VSE knjižnice (vzajemna bibliografsko-kataložna baza podatkov COBIB.SI)
13.
Pattern Recognition in Collective Cognitive Systems: Hybrid Human-Machine Learning (HHML) By Heterogeneous Ensembles
Tonejc, Jernej
Vsesplošna prisotnost kibernetskih infrastruktur, kot je na primer internet, nudi veliko priložnosti za strojno učenje in njegove raznolike načine uporabe,pri čemer izkorišča prednosti digitalnega ...komuniciranja. Klasificiranje vzorcev in povzemanje lastnosti sta eni izmed prvih uporab strojnega učenja, ki sta bili deležni širšega zanimanja. Najpomembnejši dosežki so bili na področju zmerno do srednje velikih naborov podatkov. Poplava podatkov v zadnjem desetletju pa predstavlja nove izzive za raziskovalce s področja umetne inteligence, saj zahteva razvoj novih učinkovitih in natančnih algoritmov za reševanje podobnih problemov za zelo velike nabore podatkov in za kompleksne (naravne ali umetne) dinamične sisteme. V članku predstavimo nov pristop k povzemanju lastnosti v hibridnih sistemih, sestavljenih iz ljudi in računalnikov v medsebojni povezavi, ki s sodelovanjem rešujejo vnaprej določen problem razpoznavanja vzorcev. Podrobneje predstavimo dva praktična vidika: (1) strokovnjaki z raznih področij, kot sta na primer biologija in astronomija, pogosto uporabljajo vizualne informacije in drugo implicitno prejšnje znanje brez očitnih omejitev pri iskanju relevantnih lastnosti, medtem ko so računalniki omejeni napredefiniran nabor operacij in pogojev; (2) v timskem reševanju skupnega problema imajo strokovnjaki komplementarna znanja ter se medsebojno dopolnjujejo in izobražujejo, s čimer lahko rešujejo težavne probleme na način, ki ga je zelo težko posnemati z računalniki. Zato je z abstraktnega vidika hibridni sistem človek-računalnik veliko bolj učinkovit kot pa samo sistem računalnikov, katerih sposobnosti so omejene s trenutnim napredkom na področju umetne inteligence. Predstavimo teoretično osnovo za HČSU kot semi-programsko shemo, umeščeno v širši sklop t.i. kolektivnih kognitivnih sistemov. Uporabimo intuitivno sestavo sklopov umetnih nevronskih mrež, navdih za katero izhaja iz funkcionalnih sklopov v naravnih nevronskih topografijah in vključuje psevdo sloje. Učinkovitost tega sistema smo preizkusili na dveh naborih podatkov, in sicer iz biologije in astronomije, ter dobili vzpodbudne rezultate.
Bibliografsko gradivo je bilo uspešno dodano na polico.
Dodajanje bibliografskega gradiva na polico ni uspelo.
Gradivo je že na polici.
Trajna povezava
URL:
Faktor vpliva
Dostop do baze podatkov JCR je dovoljen samo uporabnikom iz Slovenije. Vaš trenutni IP-naslov ni na seznamu dovoljenih za dostop, zato je potrebna avtentikacija z ustreznim računom AAI.
Leto
Faktor vpliva
Izdaja
Kategorija
Razvrstitev
JCR
SNIP
JCR
SNIP
JCR
SNIP
JCR
SNIP
Izberite knjižnično izkaznico:
Baze podatkov,
v katerih je revija indeksirana
Ime baze podatkov
Področje
Leto
Povezave do osebnih bibliografij avtorjev
Povezave do podatkov o raziskovalcih v sistemu SICRIS
Storitev za pridobivanje naslova trenutno ni dostopna, prosimo, poskusite še enkrat.
S klikom na gumb "V redu" boste potrdili zgoraj izbrano prevzemno mesto in dokončali postopek rezervacije.
S klikom na gumb "V redu" boste potrdili zgoraj izbrano prevzemno mesto in naslov za dostavo ter dokončali postopek rezervacije.
S klikom na gumb "V redu" boste potrdili zgoraj izbrani naslov za dostavo in dokončali postopek rezervacije.
Obvestilo
Trenutno je storitev za avtomatsko prijavo in rezervacijo nedostopna. Gradivo lahko rezervirate sami na portalu Biblos ali ponovno poskusite tukaj kasneje.
Citiranje
Funkcionalnost trenutno ni na voljo. Prosimo, poskusite kasneje.
