您好、欢迎来到现金彩票网!
当前位置:2019全年免费资料大全 > 统计模式识别 >

新系统使模式识别系统能够将他们学到的东西传达给人类

发布时间:2019-05-20 23:05 来源:未知 编辑:admin

  计算机擅长识别大型数据集中的模式。相比之下,人类善于从几个例子中推断出模式。

  在下周出现在神经信息处理协会会议上的一篇论文中,麻省理工学院的研究人员提出了一种新系统,它将这两种处理信息的方式联系起来,以便人类和计算机可以合作做出更好的决策。

  系统通过处理数据来学习判断,但将其学到的东西提炼成简单的例子。在实验中,使用该系统的人类受试者在分类任务方面比使用基于现有算法的类似系统的人类要好20%以上。

  “在这项工作中,我们正在考虑是否可以增强机器学习技术,以便它支持人们进行识别准备的决策,”麻省理工学院航空航天助理教授朱莉沙阿说道。作者在新论文上。“这就是人们做出战术决策时所做的决策 - 比如消防人员或野外作战。当他们看到新的场景时,他们不会按照机器的方式进行搜索。他们试图将他们当前的情景与他们之前的经历中的例子相匹配,然后他们认为,“好的,这在之前的情景中有效”,并且他们将其适应新的情景。

  特别是,Shah和她的同事 - 她的学生Been Kim,其博士论文是新论文的基础,麻省理工学院斯隆管理学院统计学副教授辛西娅鲁丁试图增强一种机器学习被称为“无监督”。

  在有监督的机器学习中,计算机被提供了大量的训练数据,这些数据已被人类标记并试图找到相关性 - 例如,在标记为“汽车”的图像中最常出现的那些视觉特征。另一方面,在无人监督的机器学习中。 ,计算机只是寻找非结构化数据的共性。结果是一组数据集群,其成员在某种程度上是相关的,但可能并不明显。

  无监督机器学习的最常见示例是所谓的主题建模,其中系统根据其最具特征的单词将文档聚集在一起。由于数据未标记,系统实际上无法推断出文档的主题。但是,人们审查其产出将得出结论,例如,以“法理学”和“上诉”为代表的文件是法律文件,而以“音调”和“和谐”为代表的文件是音乐理论文件。

  麻省理工学院的研究人员对无监督学习中常用的算法类型进行了两次重大修改。首先,聚类不仅基于数据项的共享特征,而且基于它们与一些代表性示例的相似性,研究人员将其称为“原型”。

  另一个是,不是简单地根据重要性对共享特征进行排序,而是主题建模算法可能的方式,新算法试图将特征列表缩小到代表集,研究人员将其称为“子空间”。最后,该算法对增长过大的子空间施加惩罚。因此,当它创建数据集群时,它必须平衡三个有时相互竞争的目标:与原型的相似性,子空间大小以及集群之间的明确分界。

  “你必须选择一个好的原型来描述一个好的子空间,”Kim解释道。“与此同时,你必须选择正确的子空间,以便原型有意义。所以你要同时做这一切。“

  研究人员的第一步是在一些经典的机器学习任务上测试他们的新算法,以确保增加的约束不会影响其性能。他们发现,在大多数任务中,它的表现与其前身一样,而且在少数情况下,它实际上表现更好。Shah认为这可能是因为原型约束阻止了算法组合包含内部矛盾的特征列表。

  例如,假设一种无监督学习算法试图表征人口中的选民。多个选民可能被登记为人,但是多个共和党人可能在最后一个选民中投票。然后,传统的算法可能会将典型的选民描述为在最后一个共和党初选中投票的注册人。原型约束使得这种结果非常不可能,因为没有一个选民能够匹配其特征。

  接下来,研究人员进行了一系列实验,以确定基于原型的机器学习是否可以真正改善人类的决策。Kim从一个在线数据库中挑选了一组食谱,在这些数据库中,他们已经为辣椒,意大利面和布朗尼等分配了类别,并将它们蒸馏成各自的成分列表。然后,她将列表提供给传统的主题建模算法和新的原型约束算法。

  对于每个类别,新算法找到了代表性示例,而传统算法产生了常见成分的列表。然后,二十四名受试者每人获得16个新成分列表。一些列表是由新算法生成的,一些是由传统算法生成的,并且赋值是随机的。从新算法生成的列表中,受试者能够在86%的时间内正确识别配方类别,而使用传统算法生成的列表,它们在71%的时间内成功。

  康奈尔大学计算机科学助理教授Ashutosh Saxena说:“我认为这是一个很好的想法,可以对机器学习和与用户的接口进行适当的建模。” Saxena领导了一个名为Robo Brain的研究项目,该项目使用机器学习来梳理互联网,并模拟机器人在其环境中导航所需的常识关联类型。

  “在Robo Brain中,机器学习算法正在尝试学习某些东西,它可能无法正常运行,因此它必须向用户展示它所学到的东西以获得一些反馈,以便它可以改善其学习,“Saxena说。“我们非常有兴趣使用这种技术向用户展示Robo Brain项目的输出。

  免责声明:本网站图片,文字之类版权申明,因为网站可以由注册用户自行上传图片或文字,本网站无法鉴别所上传图片或文字的知识版权,如果侵犯,请及时通知我们,本网站将在第一时间及时删除。

  Erick Tseng取代Hugo Barra作为Facebook的VR产品负责人

  84%的雇主会考虑缺乏必要经验的候选人如果您的资格不合格这里就是如何找到工作的

http://linkzoo.net/tongjimoshishibie/11.html
锟斤拷锟斤拷锟斤拷QQ微锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷微锟斤拷
关于我们|联系我们|版权声明|网站地图|
Copyright © 2002-2019 现金彩票 版权所有