Control Systems and Computers, N6, 2019, Стаття 3
https://doi.org/10.15407/csc.2019.06.028
Savchenko Ye.A., Rybachok N.A. Metalearning as One of the Task of the Machine Learning Problems. Control Systems and Computers, 2019, 6, pp. 28-34.
УДК 681.513
Савченко Є.А., канд. техн. наук, ст. наук. співробітник, ст. наук. співробітник, Міжнародний науково-навчальний центр інформаційних технологій та систем НАН та МОН України, просп. Академіка Глушкова, 40, Київ 03187, Україна, E–mail: savchenko_e@meta.ua,
Рибачок Н.А., канд. техн. наук, ст. викладач, Нац. техн. ун-т України «Київський політехнічний ін-т імені Ігоря Сікорського», просп. Перемоги, 37, Київ, 03056, Україна, rybachok@pzks.fpm.kpi.ua
Метанавчання як одна з задач машинного навчання
Вступ. Сьогодні кожного з нас оточує велика кількість пристроїв, які полегшують нам взаємодію з зовнішнім середовищем. Все більше своїх функцій людина намагається передати комп’ютеру, смартфону та іншим приладам. Практично всі ці пристрої використовують методи та засоби машинного навчання. Для розв’язання задач машинного навчання використовують засоби математичної статистики, чисельних методів, методів оптимізації, теорії ймовірностей, теорії графів, а також різні техніки роботи з даними в цифровій формі. Використовуючи методи машинного навчання, можна навчити комп’ютер робити речі, на які він не запрограмований, закладаючи в нього знання в певній галузі.
Метою статті є дослідити задачу метанавчання серед задач машинного навчання, використавши отримані результати для розробки системи підтримки прийняття рішень в задачах моделювання та прогнозування складних об’єктів із застосуванням індуктивного підходу.
Результати. Досліджено задачу метанавчання як одну з задач машинного навчання. Виділено основні принципи метанавчання та наведено приклади застосування машинного навчання та метанавчання в реальних задачах. Використовуючи різні метадані, такі як властивості завдання навчання, властивості алгоритму (наприклад, показники ефективності), можна навчитися вибирати, змінювати або поєднувати різні методи навчання для ефективного розв’язання задач навчання.
Огляд показав, що різниця між мета-навчанням і традиційним машинним навчанням полягає тільки в обсязі аналізованих даних. Традиційне навчання, також відоме як базове навчання, зосереджено на одній конкретній задачі. На метарівні навчання відбувається перехід від прогнозування стану конкретного об’єкта, до того, який алгоритм є найкращим для прогнозування стану цього об’єкта. Проаналізовано застосування індуктивного підходу при розв’язанні задачі метанавчання та наведено приклади такого застосування.
Висновки. Проведений аналіз показав, що задача метанавчання є удосконаленням досвіду людини при розв’язання задач, які у вигляді бази знань передає комп’ютеру, для того, щоб він на основі певних моделей та правил міг би розв’язувати складні задачі машинного навчання. Планується розробка системи прийняття рішень на основі метанавчання для задач моделювання та прогнозування складних об’єктів застосовуючи індуктивний підхід.
Завантажити повний текст в PDF (англійською).
Ключові слова: метанавчання, машинне навчання, індуктивне моделювання, підтримка прийняття рішень.
Надійшла 05.12.19
