Data Farming

Data Farming — процес генерації («вирощування») даних з метою застосування їх для створення штучного середовища (наприклад, віртуальної реальності), моделей різних систем, формування набірів даних для глибокого навчання нейронних мереж, тестування систем штучного інтелекту тощо[1].

Машинне навчання та добування даних
Частина з циклу

Задачі класифікація кластерування регресія виявляння аномалій очищування даних АвтоМН асоціативні правила навчання з підкріпленням структурове передбачування конструювання ознак навчання ознак інтерактивне навчання напівавтоматичне навчання спонтанне навчання навчання ранжуванню виведення граматик
Кероване навчання (класифікація • регресія) ансамблі випадковий ліс натяжкове агрегування підсилювання дерева рішень доречно-векторна машина k-НС лінійна регресія логістична регресія наївне баєсове опорно-векторна машина штучні нейронні мережі перцептрон
Кластерування BIRCH CURE ієрархічне k-середніх очікування-максимізація DBSCAN OPTICS зсув середнього
Знижування розмірності факторний аналіз метод незалежних компонент канонічна кореляція лінійний розділювальний аналіз метод головних компонент власний узагальнений розклад розклад невід'ємних матриць t-розподілене вкладення стохастичної близькості
Структурове передбачування графові моделі баєсова мережа прихована марковська модель умовне випадкове поле
Виявляння аномалій k-НС коефіцієнт локального відхилення
Штучна нейронна мережа автокодувальник когнітивні обчислення глибинне навчання DeepDream багатошаровий перцептрон рекурентна нейронна мережа ДКЧП ВРВ МВС обмежена машина Больцмана ГЗМ самоорганізаційне відображення згорткова нейронна мережа U-Net трансформер спайкова нейронна мережа мемтранзистор Електрохімічна ПДД (ECRAM)
Навчання з підкріпленням Q-навчання SARSA метод часових різниць
Теорія Компроміс зсуву та дисперсії ймовірносно приблизно коректне навчання мінімізація емпіричного ризику оккамове навчання статистичне навчання теорія Вапника — Червоненкіса теорія обчислювального навчання
Місця машинного навчання NeurIPS ICML ML JMLR ArXiv:cs.LG
Пов'язані статті глосарій штучного інтелекту список наборів даних для досліджень з машинного навчання перелік понять машинного навчання

Термін «Data Farming» запропонував Гарі Хорн у 1997 році [2]. Відповідна концепція була використана в рамках дослідного проєкту «Альберт», що виконувався в інтересах морської піхоти США[3].

Методологію Data Farming активно розвиває Організація НАТО з науки і технологій[1].

Один з підходів до реалізації Data Farming передбачає використання статистики пандемії COVID'19 та моделей, що її апроксимують, зокрема, SIR моделей[4].

Див. також

Добування даних

Примітки

Horne, Gary; Seichter, Stephan (7-10 Dec. 2014). Data Farming in support of NATO operations - methodology and proof-of-concept. Proceedings of the 2014 Winter Simulation Conference.
Horne, G. 1997. Data Farming: A Meta-Technique for Research in the 21st Century, briefing presented at the Naval War College. Newport, RI.
Brandstein, A.; Horne, G. (1998). Data Farming: A Meta-Technique for Research in the 21st Century. Maneuver Warfare Science (Quantico, VA: Marine Corps Combat Development Command).
Слюсар В.И. Data Farming на основе пандемической статистики.//I Міжнародна науково-практична Інтернет-конференція «Вплив пандемії COVID-19 на розвиток сучасного світу: загрози та можливості». 9 – 10 вересня 2021. – Дніпро. – С. 174 - 177.

This article is issued from Wikipedia. The text is licensed under Creative Commons - Attribution - Sharealike. Additional terms may apply for the media files.