增量式学习
增量式学习的相关文献在1995年到2022年内共计86篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、机械、仪表工业
等领域,其中期刊论文70篇、会议论文6篇、专利文献2466513篇;相关期刊48种,包括重庆邮电大学学报(自然科学版)、计算机工程、计算机工程与应用等;
相关会议6种,包括第二届中国互联网学术年会、第二届全国智能信息处理学术会议、第三届中国Rough集与软计算机学术研讨会等;增量式学习的相关文献由207位作者贡献,包括郑关胜、顾彬、任福继等。
增量式学习—发文量
专利文献>
论文:2466513篇
占比:100.00%
总计:2466589篇
增量式学习
-研究学者
- 郑关胜
- 顾彬
- 任福继
- 徐欣
- 王利
- 王国胤
- 王建东
- 续欣莹
- 于永生
- 于洪
- 何庆飞
- 华炜
- 吴渝
- 吴越
- 姚远
- 姚骏
- 孙娜
- 张喜平
- 张桂林
- 张英
- 昝涛
- 杨庆
- 杨雅辉
- 沈晴霓
- 沈玉峰
- 王志良
- 王敏杰
- 王晓璇
- 王树英
- 王民
- 胡艳明
- 薛希俊
- 解仑
- 谢珺
- 邵云峰
- 郭延锋
- 郭林
- 郭跃飞
- 陈桂明
- 韩晶
- 高晓红
- 黄海珍
- HAN Jing
- HUANG Hai-zhen
- REN Fu-ji
- SHEN Qing-ni
- WANG Zhi-liang
- XIE Lun
- YANG Ya-hui
- ZHANG Ying
-
-
贺粟梅;
宋朝辉;
张梦柯;
袁三一;
王尚旭
-
-
摘要:
基于深度学习的地震相智能识别技术可以缓解人工解释费时费力的问题,目前得到了广泛应用。有监督学习算法能够高效率、高精度地实现地震相智能识别,但依赖于大量有标签地震数据的使用。针对这一问题,本文提出了一种增量式半监督学习地震相智能识别方法。该方法考虑地层的横向连续性特征,采用余弦相似度量化地震数据特征域的相似性,寻找当前使用的训练样本邻域中的最大差异样本,以合理地扩展训练数据集。这一过程不断增加训练数据的数量、学习训练数据的分布。在吸收新知识的同时整合旧知识,实现增量式半监督学习,以达到进化网络模型的目的。本文利用准确率和混淆矩阵从整体及局部共同质控模型的预测结果。将本方法应用到一个三维实际数据集,并对结果进行定量评估。该方法由于充分利用无标签地震数据,测试结果比仅使用有标签地震数据的常规有监督学习算法更准确、更稳定,且对于小样本类别的识别精度有显著地提升。本文方法仅利用不到1%的训练数据,在三维数据集的平均准确率可达到95%以上,对于常规有监督学习算法,其平均准确率约为85%。
-
-
曹杰;
顾斌杰;
熊伟丽;
潘丰
-
-
摘要:
为了解决增量式最小二乘孪生支持向量回归机存在构成的核矩阵无法很好地逼近原核矩阵的问题,提出了一种增量式约简最小二乘孪生支持向量回归机(IRLSTSVR)算法.该算法首先利用约简方法,判定核矩阵列向量之间的相关性,筛选出用于构成核矩阵列向量的样本作为支持向量以降低核矩阵中列向量的相关性,使得构成的核矩阵能够更好地逼近原核矩阵,保证解的稀疏性.然后通过分块矩阵求逆引理高效增量更新逆矩阵,进一步缩短了算法的训练时间.最后在基准测试数据集上验证算法的可行性和有效性.实验结果表明,与现有的代表性算法相比,IRLSTSVR算法能够获得稀疏解和更接近离线算法的泛化性能.
-
-
袁路妍;
李锋
-
-
摘要:
三支决策模型是近年来提出的一种新的决策理论,双论域信息系统下的三支决策是目前的研究热点.针对双论域信息系统的动态更新问题,提出一种双论域三支决策模型的增量式更新算法.对于双论域信息系统两个论域的动态变化,分别研究三支决策模型中三个区域的增量式更新.基于这种更新机制提出对应的增量式更新算法.仿真实验表明,与非增量式的更新算法相比,该增量式更新算法具有更高的动态更新性能.
-
-
张雨新;
孙达明;
李飞
-
-
摘要:
增量式属性约简是一种针对动态数据集的新型属性约简方法.然而目前的增量式属性约简很少有对不完备混合型的信息系统进行研究.针对这类问题提出一种属性增加时的增量式属性约简算法.在不完备混合型信息系统下引入邻域容差关系.基于邻域容差关系的粒化单调性,提出信息系统属性增加时邻域容差条件熵的增量式更新方法,并提出了不完备混合型信息系统下的邻域容差条件熵增量式属性约简算法.实验分析表明了该算法的有效性.
-
-
刘桂枝
-
-
摘要:
增量式属性约简是目前粗糙集理论的重点研究内容.针对不完备混合型信息系统属性变化的情形,提出一种基于正区域方法的增量式属性约简算法.提出了不完备混合型信息系统下正区域的一种等价且高效的计算表达形式,利用这种计算形式分别构造了属性增加和属性减少时正区域地增量式更新,理论证明了其高效性,基于这种增量式更新设计出了相应的增量式属性约简算法.UCI数据集的实验分析表明所提出增量式算法具有一定的有效性和优越性.
-
-
胡艳明;
华炜
-
-
摘要:
现有的机器人在未知环境下的行为能力与人类相比还有很大的差距。为了使机器人能够像人类一样持续在线地提升自身的行为能力,提出了人在环路的机器人在线可持续学习方法。首先,改进基于径向基函数网络的增量式学习,将人类加入到机器人学习的环路中,使机器人通过主动问询人类的方式获取新的学习样本,并基于该样本在线增量式地更新自身的行为。其次,基于贝塞尔曲线的轨迹规划方法将人类提供的高层行为转换成机器人可执行的低层动作,降低人类示教成本,同时提高所学行为的稳定性。然后,借鉴大脑的工作机理,提出类人的机器人潜意识学习方法,使机器人在内部世界产生虚拟学习样本,增加行为学习的鲁棒性。最后,走廊行驶行为学习实验显示机器人能够主动地与人类交互,并且高效、在线可持续地学习到鲁棒的行为。结果表明,所提方法使机器人具备类人的可持续在线提升自身行为的能力。
-
-
胡艳明;
华炜
-
-
摘要:
现有的机器人在未知环境下的行为能力与人类相比还有很大的差距.为了使机器人能够像人类一样持续在线地提升自身的行为能力,提出了人在环路的机器人在线可持续学习方法.首先,改进基于径向基函数网络的增量式学习,将人类加入到机器人学习的环路中,使机器人通过主动问询人类的方式获取新的学习样本,并基于该样本在线增量式地更新自身的行为.其次,基于贝塞尔曲线的轨迹规划方法将人类提供的高层行为转换成机器人可执行的低层动作,降低人类示教成本,同时提高所学行为的稳定性.然后,借鉴大脑的工作机理,提出类人的机器人潜意识学习方法,使机器人在内部世界产生虚拟学习样本,增加行为学习的鲁棒性.最后,走廊行驶行为学习实验显示机器人能够主动地与人类交互,并且高效、在线可持续地学习到鲁棒的行为.结果表明,所提方法使机器人具备类人的可持续在线提升自身行为的能力.
-
-
焦玉清;
张勇
-
-
摘要:
文章针对区间值信息系统中对象动态增加的数据环境,提出一种信息熵的区间值信息系统增量式属性约简算法.首先研究了区间值信息系统增加单个对象时,信息系统信息熵度量的增量式更新,理论分析表明这种增量式更新方法具有很高的计算效率;然后以单个对象增加时信息熵度量的增量式更新为基础,通过逐个迭代的方式实现了多个对象增加时信息熵度量的增量式更新;最后提出了一种区间值信息系统信息熵的增量式属性约简算法.实验结果分析表明,所提出的增量式属性约简算法比非增量式算法具有更高效的动态属性约简性能.
-
-
孙海霞
-
-
摘要:
针对现实环境下数据集不断动态变化的特性,提出一种邻域决策粗糙集模型的增量式更新算法.采用由简单到复杂的研究思路,分析了邻域型信息系统论域增加和减少单个对象时,目标近似集与邻域类之间概率的变化规律,进一步地利用这种规律来构造单个对象变化时邻域决策粗糙集模型上下近似集的增量式更新,在单个对象变化的基础上,通过逐步迭代的方式设计了对象批量变化时的增量式更新算法.实验分析表明,所提出的算法具有较高的增量式更新性能,适用于动态数据环境下邻域决策粗糙集模型的动态更新.
-
-
邓大勇;
吴越;
刘月铮
-
-
摘要:
概念漂移是数据流挖掘的一个研究热点与难点,判断认知收敛是研究盲区.粗糙集已被应用于概念漂移探测,但存在适应性问题,缺少增量式概念漂移的相关研究.针对上述问题,运用粗糙集理论,从单条决策规则和整体决策系统的角度出发,引入决策优势函数与漂移度,对增量式概念漂移的适应与认知收敛问题作了较为深入的研究,提出一种基于决策支持度阈值的增量式规则更新算法.理论分析与仿真实验表明:新算法在适应概念漂移和学习新知识时较其他算法更为敏感且高效,对概念飘移的研究策略有效可行.
-
-
王晓;
李大学;
尹世强
- 《2005年中国模糊逻辑与计算智能联合学术会议》
| 2005年
-
摘要:
基于规则的个性化服务系统,通过规则在不同的情况下为用户提供不同的服务,其优点是简单、直接,缺点是不能动态更新,此外,随着规则的数量增多,系统将变得越来越难以管理.通过引入增量式学习方法,提出了一种基于规则的增量式个性化服务系统,来解决这些问题.
-
-
-
吴文辉;
苏晓龙
- 《第二届全国智能信息处理学术会议》
| 2009年
-
摘要:
提出针对概率分布参数时变的噪声空间的双目视觉几何估计问题,由于Hartley三维重构几何估计算法是针对双目视觉受到同等噪声影响下所采用的.因此,对于受到不同噪声影响的情况而言,这个方法不能有效、准确地估计实时变化的测量点位置.通过构建动态贝叶斯网,利用先验和后验的知识进行预测和滤波,结合贝叶斯增量式学习方法并充分利用了其学习所获得的噪声样本空间概率模型变化演进的规律,这样可以较准确、平滑地估计出噪声对摄像头的影响,并以此来改进Hartley三维重构几何估计算法.
-
-
-
-
HAN Jing;
韩晶;
XIE Lun;
解仑;
WANG Zhi-liang;
王志良;
REN Fu-ji;
任福继
- 《第十二届中国智能机器人大会》
-
摘要:
为了有效地获得用户的真实情感状态,促进和谐的人机交互体验.结合AVS情感空间和大五人格理论,本文提出了一种基于高斯混合模型的增量式情感映射模型.首先,在AVS情感空间的三种属性(A,V,S)坐标轴上,利用高斯混合模型对情感类型进行依次建模,计算情感概率值及其空间分布;其次,针对用户的个体差异性,采用层次分析法研究人格五因素与情感属性之间的关联,获得用户的个性化认知参数,实现具有个性化认知的情感映射结果;之后,采用增量式学习方法对情感类型的分布空间进行实时修正,保证情感分类的高准确率.最后,实验结果验证了该方法的情感映射结果与用户的真实情感状态具有高度一致性,并有较好的自适应性.