| http://dbpedia.org/ontology/abstract
|
En informatique, un algorithme d'apprentis … En informatique, un algorithme d'apprentissage incrémental ou incrémentiel est un algorithme d'apprentissage qui a la particularité d'être online, c'est-à-dire qui apprend à partir de données reçues au fur et à mesure du temps. À chaque incrément il reçoit des données d'entrées et un résultat, l'algorithme calcule alors une amélioration du calcul fait pour prédire le résultat à partir des données d'entrées.e résultat à partir des données d'entrées.
, 在計算機科學中，線上機器學習是一種機器學習的方法，在設定下資料有次序的提供，而我們必須在每個時間點更新預測模型以處理未來的資料；相較之下，批次學習的方法則是對於整個訓練資料集產生一個最好的預測模型。
, In computer science, online machine learni … In computer science, online machine learning is a method of machine learning in which data becomes available in a sequential order and is used to update the best predictor for future data at each step, as opposed to batch learning techniques which generate the best predictor by learning on the entire training data set at once. Online learning is a common technique used in areas of machine learning where it is computationally infeasible to train over the entire dataset, requiring the need of out-of-core algorithms. It is also used in situations where it is necessary for the algorithm to dynamically adapt to new patterns in the data, or when the data itself is generated as a function of time, e.g., stock price prediction.Online learning algorithms may be prone to catastrophic interference, a problem that can be addressed by incremental learning approaches.ressed by incremental learning approaches.
, Онлайновое машинное обучение — это метод м … Онлайновое машинное обучение — это метод машинного обучения, в котором данные становятся доступными в последовательном порядке и используются для обновления лучшего предсказания для последующих данных, выполняемого на каждом шаге обучения. Метод противоположен пакетной технике обучения, в которой лучшее предсказание генерируется за один раз, исходя из полного тренировочного набора данных. Онлайновое обучение является общей техникой, используемой в областях машинного обучения, когда невозможна тренировка по всему набору данных, например, когда возникает необходимость в алгоритмах, работающих с внешней памятью. Метод используется также в ситуациях, когда алгоритму приходится динамически приспосабливать новые схемы в данных или когда сами данные образуются как функция от времени, например, при . Алгоритмы онлайнового обучения могут быть склонны к , проблеме, которая может быть решена с помощью подхода .орая может быть решена с помощью подхода .
|
| http://dbpedia.org/ontology/wikiPageExternalLink
|
https://www.mit.edu/~rakhlin/6.883/ +
|
| http://dbpedia.org/ontology/wikiPageID
|
19892153
|
| http://dbpedia.org/ontology/wikiPageLength
|
25315
|
| http://dbpedia.org/ontology/wikiPageRevisionID
|
1108831997
|
| http://dbpedia.org/ontology/wikiPageWikiLink
|
http://dbpedia.org/resource/Stochastic_optimization +
, http://dbpedia.org/resource/Catastrophic_interference +
, http://dbpedia.org/resource/Machine_learning +
, http://dbpedia.org/resource/Learning_vector_quantization +
, http://dbpedia.org/resource/Offline_learning +
, http://dbpedia.org/resource/Streaming_algorithm +
, http://dbpedia.org/resource/Computer_science +
, http://dbpedia.org/resource/Convex_optimization +
, http://dbpedia.org/resource/Category:Machine_learning_algorithms +
, http://dbpedia.org/resource/Online_algorithm +
, http://dbpedia.org/resource/Concavification +
, http://dbpedia.org/resource/Feature_hashing +
, http://dbpedia.org/resource/Supervised_learning +
, http://dbpedia.org/resource/Stochastic_gradient_descent +
, http://dbpedia.org/resource/Reinforcement_learning +
, http://dbpedia.org/resource/Catastrophic_forgetting +
, http://dbpedia.org/resource/Continual_learning +
, http://dbpedia.org/resource/Tikhonov_regularization +
, http://dbpedia.org/resource/Empirical_risk_minimization +
, http://dbpedia.org/resource/Out-of-core +
, http://dbpedia.org/resource/Online_mirror_descent +
, http://dbpedia.org/resource/AdaGrad +
, http://dbpedia.org/resource/Hierarchical_temporal_memory +
, http://dbpedia.org/resource/Stock_market_prediction +
, http://dbpedia.org/resource/Loss_function +
, http://dbpedia.org/resource/Joint_probability_distribution +
, http://dbpedia.org/resource/Recursive_least_squares +
, http://dbpedia.org/resource/K-means_clustering +
, http://dbpedia.org/resource/Kernel_methods +
, http://dbpedia.org/resource/Randomization +
, http://dbpedia.org/resource/Vowpal_Wabbit +
, http://dbpedia.org/resource/Naive_Bayes_classifier +
, http://dbpedia.org/resource/Perceptron +
, http://dbpedia.org/resource/Backpropagation +
, http://dbpedia.org/resource/Support_vector_machines +
, http://dbpedia.org/resource/Principal_component_analysis +
, http://dbpedia.org/resource/Artificial_neural_networks +
, http://dbpedia.org/resource/Support_vector_machine +
, http://dbpedia.org/resource/Greedy_algorithm +
, http://dbpedia.org/resource/Incremental_learning +
, http://dbpedia.org/resource/Adaptive_Resonance_Theory +
, http://dbpedia.org/resource/Least_squares +
, http://dbpedia.org/resource/K-nearest_neighbor_algorithm +
, http://dbpedia.org/resource/Dictionary_learning +
, http://dbpedia.org/resource/Representer_theorem +
, http://dbpedia.org/resource/Scikit-learn +
, http://dbpedia.org/resource/Subgradient +
, http://dbpedia.org/resource/Regret +
, http://dbpedia.org/resource/Hinge_loss +
, http://dbpedia.org/resource/Lazy_learning +
, http://dbpedia.org/resource/Multi-armed_bandit +
, http://dbpedia.org/resource/Online_optimization +
|
| http://dbpedia.org/property/date
|
September 2019
|
| http://dbpedia.org/property/reason
|
Define the expression "out-of-core"
|
| http://dbpedia.org/property/wikiPageUsesTemplate
|
http://dbpedia.org/resource/Template:Mvar +
, http://dbpedia.org/resource/Template:Citation_needed +
, http://dbpedia.org/resource/Template:Short_description +
, http://dbpedia.org/resource/Template:See_also +
, http://dbpedia.org/resource/Template:Main +
, http://dbpedia.org/resource/Template:Confuse +
, http://dbpedia.org/resource/Template:Clarify +
, http://dbpedia.org/resource/Template:Machine_learning +
|
| http://purl.org/dc/terms/subject
|
http://dbpedia.org/resource/Category:Machine_learning_algorithms +
|
| http://purl.org/linguistics/gold/hypernym
|
http://dbpedia.org/resource/Method +
|
| http://www.w3.org/ns/prov#wasDerivedFrom
|
http://en.wikipedia.org/wiki/Online_machine_learning?oldid=1108831997&ns=0 +
|
| http://xmlns.com/foaf/0.1/isPrimaryTopicOf
|
http://en.wikipedia.org/wiki/Online_machine_learning +
|
| owl:differentFrom |
http://dbpedia.org/resource/Online +
, http://dbpedia.org/resource/Offline +
|
| owl:sameAs |
http://rdf.freebase.com/ns/m.04q9r7w +
, http://ru.dbpedia.org/resource/%D0%9E%D0%BD%D0%BB%D0%B0%D0%B9%D0%BD%D0%BE%D0%B2%D0%BE%D0%B5_%D0%BC%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5 +
, http://www.wikidata.org/entity/Q7094097 +
, https://global.dbpedia.org/id/4syen +
, http://fr.dbpedia.org/resource/Algorithme_d%27apprentissage_incr%C3%A9mental +
, http://fa.dbpedia.org/resource/%DB%8C%D8%A7%D8%AF%DA%AF%DB%8C%D8%B1%DB%8C_%D9%85%D8%A7%D8%B4%DB%8C%D9%86_%D8%A8%D8%B1%D8%AE%D8%B7 +
, http://sr.dbpedia.org/resource/%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D1%81%D0%BA%D0%BE_%D1%83%D1%87%D0%B5%D1%9A%D0%B5_%D0%BD%D0%B0_%D0%BC%D1%80%D0%B5%D0%B6%D0%B8 +
, http://zh.dbpedia.org/resource/%E7%B7%9A%E4%B8%8A%E6%A9%9F%E5%99%A8%E5%AD%B8%E7%BF%92 +
, http://yago-knowledge.org/resource/Online_machine_learning +
, http://dbpedia.org/resource/Online_machine_learning +
|
| rdf:type |
http://dbpedia.org/ontology/Software +
|
| rdfs:comment |
En informatique, un algorithme d'apprentis … En informatique, un algorithme d'apprentissage incrémental ou incrémentiel est un algorithme d'apprentissage qui a la particularité d'être online, c'est-à-dire qui apprend à partir de données reçues au fur et à mesure du temps. À chaque incrément il reçoit des données d'entrées et un résultat, l'algorithme calcule alors une amélioration du calcul fait pour prédire le résultat à partir des données d'entrées.e résultat à partir des données d'entrées.
, 在計算機科學中，線上機器學習是一種機器學習的方法，在設定下資料有次序的提供，而我們必須在每個時間點更新預測模型以處理未來的資料；相較之下，批次學習的方法則是對於整個訓練資料集產生一個最好的預測模型。
, Онлайновое машинное обучение — это метод м … Онлайновое машинное обучение — это метод машинного обучения, в котором данные становятся доступными в последовательном порядке и используются для обновления лучшего предсказания для последующих данных, выполняемого на каждом шаге обучения. Метод противоположен пакетной технике обучения, в которой лучшее предсказание генерируется за один раз, исходя из полного тренировочного набора данных. Онлайновое обучение является общей техникой, используемой в областях машинного обучения, когда невозможна тренировка по всему набору данных, например, когда возникает необходимость в алгоритмах, работающих с внешней памятью. Метод используется также в ситуациях, когда алгоритму приходится динамически приспосабливать новые схемы в данных или когда сами данные образуются как функция от времени, например, пруются как функция от времени, например, пр
, In computer science, online machine learni … In computer science, online machine learning is a method of machine learning in which data becomes available in a sequential order and is used to update the best predictor for future data at each step, as opposed to batch learning techniques which generate the best predictor by learning on the entire training data set at once. Online learning is a common technique used in areas of machine learning where it is computationally infeasible to train over the entire dataset, requiring the need of out-of-core algorithms. It is also used in situations where it is necessary for the algorithm to dynamically adapt to new patterns in the data, or when the data itself is generated as a function of time, e.g., stock price prediction.Online learning algorithms may be prone to catastrophic interference, ay be prone to catastrophic interference, a
|
| rdfs:label |
Online machine learning
, Algorithme d'apprentissage incrémental
, 線上機器學習
, Онлайновое машинное обучение
|
| rdfs:seeAlso |
http://dbpedia.org/resource/Kernel_method +
, http://dbpedia.org/resource/Subgradient_method +
|
