Collaborative learning using topographic maps
| Autor: | Sublime, Jérémie, Grozavu, Nistor, Cabanes, Guénaêl, Bennani, Younes, Cornuéjols, Antoine |
|---|---|
| Přispěvatelé: | Mathématiques et Informatique Appliquées (MIA-Paris), AgroParisTech-Institut National de la Recherche Agronomique (INRA), Sorbonne Paris Cité - CNRS UMR 7030 Laboratoire d'Informatique de Paris Nord, Université Paris 13 (UP13), Laboratoire d'Informatique de Paris-Nord (LIPN), Centre National de la Recherche Scientifique (CNRS)-Université Sorbonne Paris Nord |
| Jazyk: | angličtina |
| Rok vydání: | 2016 |
| Předmět: | |
| Zdroj: | AAFD and SFC'16 Conférence Internationale Francophone "Science des données. Défis Mathématiques et algorithmiques" AAFD and SFC'16 Conférence Internationale Francophone "Science des données. Défis Mathématiques et algorithmiques", May 2016, Marrakech, Morocco 2016; AAFD and SFC'16 Conférence Internationale Francophone "Science des données. Défis Mathématiques et algorithmiques", Marrakech, MAR, 2016-05-22-2016-05-25 |
| Popis: | Le clustering collaboratif est un domaine émergeant du machine learning à fort potentiel applicatif, ayant des similarités avec l’apprentissage par ensemble et l’apprentissage par transfert. Dans cette article, nous proposons une méthode permettant de combiner un framework collaboratif avec la structure des Cartes Topographiques (GTM) afin d’obtenir un algorithme permettant de l’apprentissage par transfert entre algorithmes travaillant sur des données similaires. Notre approche a été validée sur plusieurs jeux de données et a montré un fort potentiel. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|