Περιεχόμενο
Ερ:
Πώς μπορεί ένας "τυχαίος περίπατος" να είναι χρήσιμος στους αλγόριθμους μηχανικής μάθησης;
ΕΝΑ:
Στη μηχανική μάθηση, μπορεί να εφαρμοστεί μια προσέγγιση "τυχαίας βόλτας" με διάφορους τρόπους για να βοηθήσει την τεχνολογία να κοσκινίσει μέσα από τα μεγάλα σύνολα δεδομένων εκπαίδευσης που παρέχουν τη βάση για την τελική κατανόηση της μηχανής.
Μια τυχαία βόλτα, μαθηματικά, είναι κάτι που μπορεί να περιγραφεί με διάφορους τεχνικούς τρόπους. Ορισμένοι το περιγράφουν ως τυχαία συλλογή μεταβλητών. άλλοι μπορεί να την ονομάσουν "στοχαστική διαδικασία". Ανεξάρτητα από αυτό, ο τυχαίος περίπατος εξετάζει ένα σενάριο όπου ένα μεταβλητό σύνολο παίρνει ένα μονοπάτι που είναι ένα μοτίβο βασισμένο σε τυχαίες αυξήσεις, σύμφωνα με ένα σύνολο ακέραιων αριθμών: Για παράδειγμα, μια βόλτα σε μια γραμμή αριθμού όπου η μεταβλητή κινείται συν ή πλην ενός σε κάθε βήμα .
Ως εκ τούτου, ένας τυχαίος περίπατος μπορεί να εφαρμοστεί στους αλγορίθμους μηχανικής μάθησης. Ένα δημοφιλές παράδειγμα που περιγράφεται σε ένα κομμάτι στο Wired ισχύει για μερικές πρωτοποριακές θεωρίες σχετικά με το πώς τα νευρικά δίκτυα μπορούν να λειτουργήσουν για να προσομοιώσουν τις ανθρώπινες γνωσιακές διαδικασίες. Χαρακτηρίζοντας μια προσέγγιση τυχαίας βάδισης σε ένα σενάριο μηχανικής μάθησης τον περασμένο Οκτώβριο, ο συνηθισμένος συγγραφέας Natalie Wolchover αποδίδει μεγάλο μέρος της μεθοδολογίας στους πρωτοπόρους της επιστήμης των δεδομένων Naftali Tishby και Ravid Shwartz-Ziv, οι οποίοι προτείνουν έναν οδικό χάρτη για διάφορες φάσεις της μηχανικής μάθησης. Συγκεκριμένα, ο Wolchover περιγράφει μία "φάση συμπίεσης" που σχετίζεται με το φιλτράρισμα άσχετων ή ημι-σχετικών χαρακτηριστικών ή πτυχών σε ένα πεδίο εικόνας σύμφωνα με τον προορισμό του προγράμματος.
Η γενική ιδέα είναι ότι, κατά τη διάρκεια μιας πολύπλοκης διαδικασίας και πολλών βημάτων, το μηχάνημα λειτουργεί είτε για να «θυμάται» είτε για να «ξεχάσει» διαφορετικά στοιχεία του πεδίου εικόνας για να βελτιστοποιήσει τα αποτελέσματα: Στη φάση συμπίεσης το πρόγραμμα θα μπορούσε να περιγραφεί ως " σε "σχετικά με τα σημαντικά χαρακτηριστικά με τον αποκλεισμό των περιφερειακών.
Οι ειδικοί χρησιμοποιούν τον όρο "στοχαστική κάμψη κλίσης" για να αναφερθούν σε αυτόν τον τύπο δραστηριότητας. Ένας άλλος τρόπος για να το εξηγήσουμε με λιγότερη τεχνική σημασιολογία είναι ότι ο πραγματικός προγραμματισμός του αλγορίθμου αλλάζει κατά βαθμούς ή επαναλήψεις, ώστε να «τελειοποιηθεί» η μαθησιακή διαδικασία που λαμβάνει χώρα σύμφωνα με τα «τυχαία βήματα βηματισμού» που τελικά θα οδηγήσουν σε κάποια μορφή σύνθεση.
Οι υπόλοιποι μηχανικοί είναι πολύ λεπτομερείς, καθώς οι μηχανικοί δουλεύουν για να μετακινήσουν τις διαδικασίες εκμάθησης μηχανών μέσω της φάσης συμπίεσης και άλλων συναφών φάσεων. Η ευρύτερη ιδέα είναι ότι η τεχνολογία εκμάθησης της μηχανής αλλάζει δυναμικά κατά τη διάρκεια της ζωής της αξιολόγησης των μεγάλων σετ εκπαίδευσης: Αντί να κοιτάζει διαφορετικές κάρτες flash σε μεμονωμένες περιπτώσεις, το μηχάνημα βλέπει τις ίδιες κάρτες flash πολλές φορές ή τραβά κάρτες φλας τυχαία, εξετάζοντάς τα με έναν μεταβαλλόμενο, επαναληπτικό, τυχαίο τρόπο.
Η παραπάνω προσέγγιση τυχαίων περιπάτων δεν είναι ο μόνος τρόπος με τον οποίο ο τυχαίος περίπατος μπορεί να εφαρμοστεί στη μηχανική μάθηση. Σε κάθε περίπτωση όπου απαιτείται τυχαιοποιημένη προσέγγιση, ο τυχαίος περίπατος μπορεί να είναι μέρος του κιτ εργαλείων του μαθηματικού ή του επιστήμονα δεδομένων, προκειμένου να βελτιώσει εκ νέου τη διαδικασία μάθησης δεδομένων και να προσφέρει κορυφαία αποτελέσματα σε έναν ταχέως αναπτυσσόμενο τομέα.
Γενικά, ο τυχαίος περίπατος συνδέεται με ορισμένες υποθέσεις μαθηματικών και επιστημονικών δεδομένων. Μερικές από τις πιο δημοφιλείς εξηγήσεις μιας τυχαίας βόλτας έχουν να κάνουν με τη χρηματιστηριακή αγορά και μεμονωμένους χάρτες μετοχών. Όπως διαδίδεται στο Burton Malkiel's "A Random Walk Down Wall Street", ορισμένες από αυτές τις υποθέσεις υποστηρίζουν ότι η μελλοντική δραστηριότητα ενός αποθέματος είναι ουσιαστικά άγνωστη. Ωστόσο, άλλοι υποστηρίζουν ότι μπορούν να αναλυθούν και να προβάλλονται τα πρότυπα τυχαίων περιπάτων και δεν είναι τυχαίο το γεγονός ότι τα σύγχρονα μηχανικά συστήματα μάθησης εφαρμόζονται συχνά στην ανάλυση των χρηματιστηριακών αγορών και την εμπορική συναλλαγή. Η επιδίωξη της γνώσης στον τομέα της τεχνολογίας είναι και ήταν πάντα συνδεδεμένη με την αναζήτηση γνώσεων για τα χρήματα και η ιδέα της εφαρμογής τυχαίων περιπάτων στη μηχανική μάθηση δεν αποτελεί εξαίρεση. Από την άλλη πλευρά, ο τυχαίος περίπατος ως φαινόμενο μπορεί να εφαρμοστεί σε οποιονδήποτε αλγόριθμο για οποιοδήποτε σκοπό, σύμφωνα με ορισμένες από τις μαθηματικές αρχές που αναφέρθηκαν παραπάνω. Οι μηχανικοί ενδέχεται να χρησιμοποιήσουν ένα τυχαίο βήμα για να δοκιμάσουν μια τεχνολογία ML ή να την προσανατολίσουν προς την επιλογή χαρακτηριστικών ή για άλλες χρήσεις που σχετίζονται με τα γιγάντια βυζαντινά κάστρα στον αέρα που είναι σύγχρονα συστήματα ML.