Control Systems and Computers, N6, 2019, Статья 3
https://doi.org/10.15407/csc.2019.06.028
Savchenko Ye.A., Rybachok N.A. Metalearning as One of the Task of the Machinelearning Problems. Control Systems and Computers, 2019, 6, pp. 28-34.
УДК 681.513
Савченко Е.А., канд. техн. наук, ст. науч. сотрудник, ст. науч. сотрудник, Международный научно-учебный центр информационных технологий и систем НАН и МОН Украины, просп. Академика Глушкова, 40, Киев 03187, Украина, E–mail: savchenko_e@meta.ua,
Рыбачок Н.А., канд. техн. наук, ст. викладач, Нац. техн. ун-т Украины «Киевский политехнический институт имени Игоря Сикорского», просп. Победы, 37, Киев, 03056, Украина, rybachok@pzks.fpm.kpi.ua
Метаобучение как одна из задач машинного обучения
Введение. Сегодня каждого из нас окружает большое количество устройств, которые облегчают нам взаимодействие с внешним средой. Все больше своих функций человек пытается передать компьютеру, смартфону и другим устройствам. Практически все эти устройства используют методы и средства машинного обучения. Для решения задач машинного обучения используют средства математической статистики, численных методов, методов оптимизации, теории вероятностей, теории графов, а также различные техники работы с данными в цифровой форме. Используя методы машинного обучения можно научить компьютер делать вещи, на которые он не запрограммирован, закладывая в него знания в определенной области.
Целью статьи является исследовать задачу метаобучения как одну из задач машинного обучения, используя полученные результаты для разработки системы поддержки принятия решений в задачах моделирования и прогнозирования сложных объекты на основе индуктивного подхода.
Результаты. Исследована задача метаобучения как одна из задач машинного обучения. Выделены основные принципы метаобучения и приведены примеры применения машинного обучения и метаобучения в реальных задачах. Используя различные метаданные, такие как свойства задачи обучения, свойства алгоритма (например, показатели эффективности), можно научиться выбирать, менять или сочетать различные методы обучения для эффективного решения таких задач.
Обзор показал, что разница между метаобучением и традиционным машинным обучением заключается только в объеме анализируемых данных. Традиционное обучение, также известное как базовое обучение, сосредоточено на одной конкретной задаче. На метауровне обучение происходит переход от прогнозирования состояния конкретного объекта, до того, алгоритм является лучшим для прогнозирования состояния этого объекта. Проанализировано применение индуктивного подхода при решении задачи метаобучения и приведены примеры такого применения.
Выводы. Проведенный анализ показал, что задача метаобучения является усовершенствованием опыта решения задач человека в виде базы знаний, которые он передает компьютеру, для того, чтобы тот на основе определенных моделей и правил мог бы решать сложные задачи машинного обучения. Планируется разработка системы принятия решений на основе метаобучения для задач моделирования и прогнозирования сложных объектов используя индуктивный подход.
Загрузить полный текст PDF (на английском).
Ключевые слова: метаобучение, машинное обучение, индуктивное моделирование, поддержка принятия решений.
Поступила 05.12.19
