Un ensemble de máquina de aprendizaje extremo para clasificación de flujos de datos
Autores: Yang, Rui; Xu, Shuliang; Feng, Lin
Idioma: Inglés
Editor: MDPI
Año: 2018
Acceso abierto
Artículo científico
2018
Un ensemble de máquina de aprendizaje extremo para clasificación de flujos de datos
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería de Software
Palabras clave
Máquina de aprendizaje extremo
Red neuronal alimentada de una sola capa oculta
Tareas de clasificación de flujos de datos
Máquina de aprendizaje extremo en conjunto
Método de detección de cambio de concepto
Actualización de clasificador
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 21
Citaciones: Sin citaciones
La máquina de aprendizaje extremo (ELM) es una red neuronal de alimentación de una sola capa oculta (SLFN). Dado que ELM tiene una velocidad rápida para la clasificación, se aplica ampliamente en tareas de clasificación de flujos de datos. En este documento se presenta una nueva máquina de aprendizaje extremo de conjunto. A diferencia de los métodos ELM tradicionales, se incorpora un método de detección de cambio de concepto; utiliza una estrategia de aprendizaje de secuencia en línea para manejar el cambio gradual de concepto y utiliza un clasificador de actualización para tratar el cambio abrupto de concepto, por lo que tanto el cambio gradual de concepto como el cambio abrupto de concepto pueden ser detectados en este documento. Los resultados experimentales mostraron que el nuevo algoritmo ELM no solo puede mejorar la precisión del resultado de la clasificación, sino que también puede adaptarse a un nuevo concepto en poco tiempo.
Descripción
La máquina de aprendizaje extremo (ELM) es una red neuronal de alimentación de una sola capa oculta (SLFN). Dado que ELM tiene una velocidad rápida para la clasificación, se aplica ampliamente en tareas de clasificación de flujos de datos. En este documento se presenta una nueva máquina de aprendizaje extremo de conjunto. A diferencia de los métodos ELM tradicionales, se incorpora un método de detección de cambio de concepto; utiliza una estrategia de aprendizaje de secuencia en línea para manejar el cambio gradual de concepto y utiliza un clasificador de actualización para tratar el cambio abrupto de concepto, por lo que tanto el cambio gradual de concepto como el cambio abrupto de concepto pueden ser detectados en este documento. Los resultados experimentales mostraron que el nuevo algoritmo ELM no solo puede mejorar la precisión del resultado de la clasificación, sino que también puede adaptarse a un nuevo concepto en poco tiempo.