Wspólnotowy Serwis Informacyjny Badan i Rozwoju - CORDIS

Uczenie maszynowe nowej generacji w Europie

Uczenie maszynowe to technologia, dzięki której komputery mogą stawać się coraz bardziej inteligentne i spersonalizowane, o ile technika nadąża za rzeczywistością. W ramach unijnego projektu opracowano narzędzia i algorytmy do uczenia maszynowego, umożliwiające rozwiązanie tego problemu.
Uczenie maszynowe nowej generacji w Europie
Aktualne metody uczenia maszynowego muszą sprostać coraz większej gamie i złożoności dużej liczby zadań i celów. W miarę rozwoju tej technologii i wzrostu znaczenia algorytmów uczenia, będą one musiały radzić sobie z tą dodatkową złożonością.

W tym kontekście, w ramach projektu HERL (Large scale machine learning for simultaneous heterogeneous tasks), finansowanego ze środków UE, opracowano narzędzie, które analizuje efektywność nowych i istniejących algorytmów pod kątem rozwiązywania wielozadaniowych problemów dotyczących uczenia się poprzez wzmacnianie. Uczeni starali się też stworzyć algorytmy umożliwiające zarządzanie wieloma celami naraz.

W pierwszej kolejności opracowano losowy generator problemów dotyczących uczenia się o nazwie Merlin. Jego wyjątkowość polega na tym, że potrafi generować wielozadaniowe problemy dotyczące uczenia się oraz umożliwia kontrolowanie struktury zależności między zadaniami. Program Merlin jest dostępny bezpłatnie i stale udoskonalany w celu poszerzenia gamy struktury problemów.

Zespół HERL opracował platformę oprogramowania umożliwiającą stosowanie wielozadaniowych algorytmów uczenia poprzez wzmocnienie. Przeanalizował również dane dotyczące efektywności różnych algorytmów uczenia, opracowanych i przetestowanych na problemach wygenerowanych, jak i rzeczywistych. Aby tego dokonać, w pierwszej kolejności przygotowano znane struktury problemów, a następnie przeanalizowano te procesy w celu stworzenia skuteczniejszych algorytmów uczenia.

Dzięki projektowi HERL powstał program Merlin, który umożliwia badaczom ocenę skuteczności algorytmów w radzeniu sobie z większą różnorodnością problemów. Nowe algorytmy rozwiązują problemy o więcej niż dwóch lub trzech równoczesnych celach. Przyszłe systemy uczenia maszynowego będą bardziej efektywne, a jednocześnie będą wymagać rzadszych interwencji człowieka i pochłaniać mniej zasobów obliczeniowych.

Powiązane informacje

Słowa kluczowe

Uczenie maszynowe, algorytmy, zadania niejednorodne, uczenie poprzez wzmocnienie
Numer rekordu: 180969 / Ostatnia aktualizacja: 2016-04-06
Dziedzina: Technologie przemysłowe
Śledź nas na: RSS Facebook Twitter YouTube Zarządzany przez Urząd Publikacji UE W górę