incremental learning algorithm
En type maskinlæringsalgoritme, der opdaterer sin model løbende efterhånden som nye data bliver tilgængelige, uden at skulle genlære hele datasættet.
Kort fortalt
En algoritme, der lærer lidt efter lidt — den husker det gamle og lærer nyt, uden at skulle starte forfra.
- Kategori
- teknik
- Niveau
- øvet
Betydninger
2- 1
En hvilken som helst algoritme, der opdaterer sin model trinvis efterhånden som nye træningsdata modtages, uden at kræve fuld genlæring.
- Incremental learning-algoritmer er essentielle i realtidssystemer, hvor data ankommer løbende. — Ordbog over AI-termer
- Mange klassiske modeller som SVM kan tilpasses til incremental learning ved hjælp af online optimering. — Ordbog over AI-termer
- 2
Specifikt en algoritme designet til at undgå katastrofal forglemmelse, f.eks. Elastic Weight Consolidation (EWC) eller Progressive Neural Networks.
- EWC er en populær incremental learning-algoritme, der beskytter vigtige vægte mod at blive overskrevet. — Ordbog over AI-termer
Hvornår bruges det
Incremental learning bruges i scenarier med datastrømme, f.eks. i overvågning, prædiktiv vedligeholdelse og personlig anbefaling, hvor modellen konstant skal tilpasse sig nye data uden at miste viden om tidligere mønstre.
Kodeeksempel
# Simpel incremental learning med gradient descent
def incremental_update(model, X_new, y_new, lr=0.01):
model.fit(X_new, y_new, epochs=1, verbose=0)
return modelEksempel på en funktion, der opdaterer en model med nye data uden at genlære gamle data.
Oprindelse
Termen er sammensat af 'incremental' (trinvis/øgende) og 'learning algorithm' (læringsalgoritme), hvilket henviser til at læringen foregår i små trin over tid.
Afledte ord
2Kilder
2- Lifelong Machine Learning, Chen and Liu, 2018
- Elastic Weight Consolidation, Kirkpatrick et al., 2017