Автоматизированное машинное обучение
Automated Machine Learning
2019-01-01
SCID: 54.1/6faxnjst
Discuss with AI
AutoMLсоревнование AutoMLсистемы AutoMLавтоматическое машинное обучение
Figures from the paper
Abstract (AI)
В этой книге открытого доступа впервые представлен всеобъемлющий обзор общих методов автоматизированного машинного обучения (AutoML), собраны описания существующих систем AutoML, основанных на этих методах, и обсуждается первый международный конкурс систем AutoML.
Key Findings
1
В ней описываются существующие системы AutoML и классифицируются по используемым общим методам.
2
Книга рассматривает первый международный конкурс, посвящённый оценке и сравнению систем AutoML.
3
Книга представляет первый всеобъемлющий обзор общих методов автоматизированного машинного обучения (AutoML).
Research Object
системы автоматического машинного обучения (AutoML)
Research Subject
общие методы AutoML, архитектуры существующих систем и их сравнительная оценка в рамках международного конкурса
Publication Details
Publication Date
2019-01-01
Journal
Publisher
ISSN
Cited by
1552
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai17
Глубокое остаточное обучение для распознавания изображений2016
Классификация ImageNet с использованием глубоких сверточных нейронных сетей2017
Adam: метод стохастической оптимизации2014
Scikit-learn: машинное обучение на Python2012
XGBoost2016
Переосмысление архитектуры Inception для компьютерного зрения2016
Greedy function approximation: A gradient boosting machine.2001
Обучение нескольких слоев признаков на маленьких изображениях2024
Обучение «последовательность-в-последовательность» с помощью нейронных сетей2014
Обучение представлений: обзор и новые перспективы2013
mice: Многомерная импутация методом цепочек уравнений в R2011
Элементы статистического обучения: добыча данных, вывод и предсказание2010
Почему большинство опубликованных результатов исследований являются ложными2005
На пути к строгой науке об интерпретируемом машинном обучении2017
mixup: За пределами эмпирической минимизации риска2017
О переобучении при выборе модели и последующей смещённости выбора в оценке качества2010
Xception: Глубокое обучение с глубинно-разделяемыми свертками2016