Robustní online učení
Robustní online učení rozšiřuje rámec online učení — kde se model sekvenčně aktualizuje po každém pozorování — o začlenění robustních mechanismů, které chrání před poškozenými popisky, adverzními příklady, šumem s těžkými ocasy a driftem konceptu. Výsledkem je sekvenční učeň, který si udržuje omezený regret i v případě, že datový proud obsahuje odlehlé hodnoty nebo záměrné perturbace.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Hazan, E. (2016). Introduction to Online Convex Optimization. Foundations and Trends in Optimization, 2(3–4), 157–325. link ↗
- Shalev-Shwartz, S. (2012). Online Learning and Online Convex Optimization. Foundations and Trends in Machine Learning, 4(2), 107–194. DOI: 10.1561/2200000018 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Robust Online Learning (Adversarially and Noise-Resilient Sequential Learning). ScholarGate. https://scholargate.app/cs/machine-learning/robust-online-learning
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Aktivní učeníStrojové učení↔ compare
- Online LearningStrojové učení↔ compare
- Robustní Gradient BoostingStrojové učení↔ compare
- Robustní Support Vector MachineStrojové učení↔ compare
- Polu-dohledové online učeníStrojové učení↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →