Pembelajaran Metrik Daring
Pembelajaran Metrik Daring mengadaptasi metrik jarak Mahalanobis secara inkremental saat contoh berlabel baru atau batasan berpasangan tiba satu per satu, tanpa menyimpan seluruh kumpulan data. Ini menggabungkan efisiensi pembelajaran daring dengan kekuatan representasional pembelajaran metrik, membuatnya cocok untuk lingkungan yang mengalir, berskala besar, atau terus berubah di mana pelatihan ulang dari awal tidak praktis.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Shalev-Shwartz, S., Singer, Y., & Ng, A. Y. (2004). Online and batch learning of pseudo-metrics. Proceedings of the 21st International Conference on Machine Learning (ICML 2004), pp. 94. ACM. link ↗
- Jin, R., Wang, S., & Zhou, Y. (2009). Regularized distance metric learning: Theory and algorithm. Advances in Neural Information Processing Systems (NIPS 2009), 22, 862–870. link ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Online Metric Learning (Incremental Distance Metric Learning from Streaming Data). ScholarGate. https://scholargate.app/id/machine-learning/online-metric-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.
- Pembelajaran MetrikPembelajaran Mesin↔ compare
- Pembelajaran DaringPembelajaran Mesin↔ compare
- Jaringan Saraf SiamesPembelajaran Mendalam↔ compare
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →