โครงสร้างของคำถามนี้มีดังต่อไปนี้:ในตอนแรกฉันให้แนวคิดของการเรียนรู้ทั้งมวลฉันยังจัดทำรายการของการจดจำรูปแบบจากนั้นฉันก็ยกตัวอย่างของอัลกอริทึมการเรียนรู้ทั้งมวลและในที่สุดก็แนะนำคำถามของฉัน ผู้ที่ไม่ต้องการข้อมูลเสริมทั้งหมดอาจแค่ดูหัวข้อข่าวและตรงไปที่คำถามของฉัน
การเรียนรู้ทั้งมวลคืออะไร
ตามบทความ Wikipedia :
ในสถิติและการเรียนรู้ของเครื่องจักรวิธีการทั้งมวลใช้อัลกอริทึมการเรียนรู้หลายอย่างเพื่อให้ได้ประสิทธิภาพการทำนายที่ดีกว่าที่จะได้รับจากอัลกอริทึมการเรียนรู้ที่เป็นส่วนประกอบใด ๆ เพียงอย่างเดียว ซึ่งแตกต่างจากชุดสถิติในกลศาสตร์เชิงสถิติซึ่งโดยทั่วไปแล้วจะไม่มีที่สิ้นสุดชุดการเรียนรู้ของเครื่องหมายถึงชุดรูปแบบทางเลือกที่ จำกัด ของคอนกรีตเท่านั้น แต่โดยทั่วไปแล้วจะช่วยให้โครงสร้างมีความยืดหยุ่นมากขึ้น
ตัวอย่างของงานการจดจำรูปแบบ:
- การรู้จำอักขระด้วยแสง
- การจดจำบาร์โค้ด
- การจดจำป้ายทะเบียนรถ
- การตรวจจับใบหน้า
- การรู้จำเสียง
- การจดจำรูปภาพ
- การจำแนกเอกสาร
ตัวอย่างของอัลกอริทึมการเรียนรู้ทั้งมวล:
ต่อไปนี้ขั้นตอนวิธีการเรียนรู้ชุดใช้สำหรับงานพีอาร์ (ตามวิกิพีเดีย)
Ensemble learning algorithm (การควบคุม meta-algorithms สำหรับการรวมอัลกอริทึมการเรียนรู้หลายตัวเข้าด้วยกัน):
Boosting (การเรียนรู้ของเครื่องโดยใช้เมตาดาต้าอัลกอริธึมสำหรับการลดอคติและความแปรปรวนในการเรียนรู้แบบมีผู้ควบคุมและอัลกอริทึมการเรียนรู้ของเครื่องซึ่งเปลี่ยนผู้เรียนที่อ่อนแอไปเป็นคนที่แข็งแกร่ง)
การรวม Bootstrap ("การห่อ ") (เครื่องเรียนรู้ชุดเมตาอัลกอริทึมที่ออกแบบมาเพื่อปรับปรุงเสถียรภาพและความแม่นยำของอัลกอริทึมการเรียนรู้ของเครื่องที่ใช้ในการจำแนกทางสถิติและการถดถอย)
ค่าเฉลี่ยของ Ensemble (กระบวนการสร้างหลายรุ่นและรวมเข้าด้วยกันเพื่อสร้างเอาต์พุตที่ต้องการซึ่งต่างจากการสร้างเพียงหนึ่งโมเดลบ่อยครั้งที่ชุดของโมเดลทำงานได้ดีกว่าโมเดลใด ๆ ก็ตามเนื่องจากข้อผิดพลาดต่างๆของโมเดล "เฉลี่ยหมด" )
- ส่วนผสมของผู้เชี่ยวชาญการผสมผสานของผู้เชี่ยวชาญ
การใช้งานที่แตกต่างกัน
- ตระการตาของโครงข่ายประสาทเทียม (ชุดของโมเดลโครงข่ายประสาทเทียมที่ใช้ตัดสินใจโดยเฉลี่ยผลลัพธ์ของแบบจำลองแต่ละตัว)
- ป่าสุ่ม (วิธีการเรียนรู้ทั้งมวลสำหรับการจำแนกการถดถอยและงานอื่น ๆ ที่ดำเนินการโดยการสร้างต้นไม้ตัดสินใจจำนวนมากในเวลาฝึกอบรมและแสดงผลชั้นเรียนที่เป็นโหมดของการเรียน (การจำแนก) หรือการทำนายค่าเฉลี่ยของแต่ละบุคคล ต้นไม้)
- AdaBoost (ผลลัพธ์ของอัลกอริทึมการเรียนรู้อื่น ('ผู้เรียนที่อ่อนแอ') รวมกันเป็นผลรวมถ่วงน้ำหนักที่แสดงถึงผลลัพธ์สุดท้ายของลักษณนามที่เพิ่มขึ้น)
นอกจากนี้:
- วิธีการที่ใช้เครือข่ายประสาทเทียมเดียวเพื่อรวมตัวแยกประเภทที่แตกต่างกัน
- วิธีการพื้นที่ความสามารถ
คำถามของฉัน
อัลกอริทึมการเรียนรู้ชุดใดที่ถือว่าเป็นสุดยอดในปัจจุบันและมีการใช้งานจริงในทางปฏิบัติ (สำหรับการตรวจจับใบหน้า, การจดจำแผ่นป้ายทะเบียนยานพาหนะ, การจดจำตัวอักษรแบบออปติคัล ฯลฯ ) โดยองค์กรและองค์กร การใช้อัลกอริธึมการเรียนรู้ทั้งมวลนั้นน่าจะช่วยเพิ่มความแม่นยำในการจดจำและนำไปสู่ประสิทธิภาพการคำนวณที่ดีขึ้น แต่เรื่องต่าง ๆ ยืนหยัดในทางที่เป็นจริงได้ไหม?
วิธีการทั้งมวลแบบใดที่อาจแสดงความแม่นยำและประสิทธิภาพในการจำแนกประเภทที่ดีขึ้นในงานการจดจำรูปแบบ บางทีวิธีการบางอย่างอาจล้าสมัยไปแล้วหรือแสดงว่าไม่มีประสิทธิภาพ นอกจากนี้ยังเป็นไปได้ที่วิธีการรวมทั้งหมดนี้จะไม่ใช้อีกต่อไปกับจุดแข็งของอัลกอริทึมใหม่ ผู้ที่มีประสบการณ์ในพื้นที่หรือมีความรู้เพียงพอในด้านนี้คุณสามารถช่วยชี้แจงเรื่องนี้ได้หรือไม่?