En informática , el aprendizaje incremental es un método de aprendizaje automático en el que los datos de entrada se utilizan continuamente para ampliar el conocimiento del modelo existente, es decir, para entrenar aún más el modelo. Representa una técnica dinámica de aprendizaje supervisado y aprendizaje no supervisado que se puede aplicar cuando los datos de entrenamiento están disponibles gradualmente con el tiempo o su tamaño está fuera de los límites de la memoria del sistema. Los algoritmos que pueden facilitar el aprendizaje incremental se conocen como algoritmos de aprendizaje automático incremental.
Muchos algoritmos tradicionales de aprendizaje automático admiten de forma inherente el aprendizaje incremental. Se pueden adaptar otros algoritmos para facilitar el aprendizaje incremental. Ejemplos de algoritmos incrementales incluyen árboles de decisión (IDE4, [1] ID5R [2] ), reglas de decisión , [3] redes neuronales artificiales ( redes RBF , [4] Learn ++, [5] Fuzzy ARTMAP, [6] TopoART, [7 ] e IGNG [8] ) o la SVM incremental . [9]
El objetivo del aprendizaje incremental es que el modelo de aprendizaje se adapte a los nuevos datos sin olvidar sus conocimientos existentes. Algunos estudiantes incrementales han incorporado algún parámetro o supuesto que controla la relevancia de los datos antiguos, mientras que otros, llamados algoritmos de aprendizaje automático incremental estable, aprenden representaciones de los datos de entrenamiento que ni siquiera se olvidan parcialmente con el tiempo. Fuzzy ART [10] y TopoART [7] son dos ejemplos de este segundo enfoque.
Los algoritmos incrementales se aplican con frecuencia a flujos de datos o big data , abordando problemas de disponibilidad de datos y escasez de recursos, respectivamente. La predicción de tendencias de existencias y la creación de perfiles de usuarios son algunos ejemplos de flujos de datos en los que hay nuevos datos disponibles continuamente. La aplicación del aprendizaje incremental a los macrodatos tiene como objetivo producir tiempos de predicción o clasificación más rápidos.
Referencias
- ^ Schlimmer, JC y Fisher, D. Un estudio de caso de inducción de concepto incremental . Quinta Conferencia Nacional de Inteligencia Artificial, 496-501. Filadelfia, 1986
- ^ Utgoff, PE, Inducción incremental de árboles de decisión . Aprendizaje automático, 4 (2): 161-186, 1989
- ↑ Ferrer-Troyano, Francisco, Jesus S. Aguilar-Ruiz y Jose C. Riquelme. Aprendizaje de reglas incrementales basado en la proximidad de ejemplos de flujos de datos numéricos . Actas del simposio 2005 de ACM sobre informática aplicada. ACM, 2005
- ^ Bruzzone, Lorenzo y D. Fernàndez Prieto. Una red neuronal de aprendizaje incremental para la clasificación de imágenes de teledetección . Cartas de reconocimiento de patrones: 1241-1248, 1999
- ↑ R. Polikar, L. Udpa, S. Udpa, V. Honavar. Learn ++: un algoritmo de aprendizaje incremental para redes neuronales supervisadas . Transacciones IEEE sobre sistemas, hombre y cibernética. Universidad Rowan de EE. UU., 2001.
- ^ G. Carpenter, S. Grossberg, N. Markuzon, J. Reynolds, D. Rosen. Fuzzy ARTMAP: una arquitectura de red neuronal para el aprendizaje incremental supervisado de mapas multidimensionales analógicos . Transacciones IEEE en redes neuronales, 1992
- ↑ a b Marko Tscherepanow, Marco Kortkamp y Marc Kammer. Una red ART jerárquica para el aprendizaje incremental estable de estructuras y asociaciones topológicas a partir de datos ruidosos . Redes neuronales, 24 (8): 906-916, 2011
- ^ Jean-Charles Lamirel, Zied Boulila, Maha Ghribi y Pascal Cuxac. Un nuevo algoritmo de gas neuronal de crecimiento incremental basado en la maximización del etiquetado de clústeres: aplicación al agrupamiento de datos textuales heterogéneos . IEA / AIE 2010: Tendencias en sistemas inteligentes aplicados, 139-148, 2010
- ^ Diehl, Christopher P. y Gert Cauwenberghs. Aprendizaje incremental, adaptación y optimización de SVM . Neural Networks, 2003. Actas de la Conferencia conjunta internacional sobre. Vol. 4. IEEE, 2003.
- ^ Carpenter, GA, Grossberg, S. y Rosen, DB, Fuzzy ART: aprendizaje estable y rápido y categorización de patrones analógicos mediante un sistema de resonancia adaptativa , Neural Networks, 4 (6): 759-771, 1991
enlaces externos
- Breve introducción a la transmisión de datos y algoritmos incrementales [1]
- Algoritmos y aplicaciones de aprendizaje incremental [2]
- LibTopoART: una biblioteca de software para tareas de aprendizaje incremental
- Creme: biblioteca para el aprendizaje incremental