ALL libraries (COBIB.SI union bibliographic/catalogue database)
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.
It was not necessary to add the material to the shelf.
Bibliographic material was successfully added on shelf.
Adding bibliographical material on shelf was not successful.
Material is already on the shelf.
Permalink
URL:
Impact factor
Access to the JCR database is permitted only to users from Slovenia. Your current IP address is not on the list of IP addresses with access permission, and authentication with the relevant AAI accout is required.
Year
Impact factor
Edition
Category
Classification
JCR
SNIP
JCR
SNIP
JCR
SNIP
JCR
SNIP
Impact factor
Select the library membership card:
DRS,
in which the journal is indexed
Database name
Field
Year
Links to authors' personal bibliographies
Links to information on researchers in the SICRIS system
Subject headings in COBISS General List of Subject Headings
Select pickup location
The material from the parent unit is free. If the material is delivered to the pickup location from another unit, the library may charge you for this service.
