Tóm tắt Luận án Tiến sĩ Hệ thống thông tin: Một số phương pháp học máy hiệu quả trong môi trường luồng dữ liệu liên tục

Một Số Phương Pháp Học Máy Hiệu Quả Trong Môi Trường Luồng Dữ Liệu Liên Tục

Tác giả: NGÔ VĂN LINH

Lĩnh vực: Hệ thống thông tin

Nội dung tài liệu:

Luận án tiến sĩ này tập trung nghiên cứu các phương pháp học máy hiệu quả trong môi trường luồng dữ liệu. Luận án giải quyết ba thách thức chính: dữ liệu thưa và nhiễu, sự thay đổi đột ngột của dữ liệu (concept drifts), và hiện tượng quên tri thức cũ (catastrophic forgetting). Các phương pháp đề xuất bao gồm biến đổi tri thức tiên nghiệm, sử dụng Dropout, và cơ chế cân bằng giữa tính ổn định và tính mềm dẻo. Mục tiêu là xây dựng các mô hình Bayes có khả năng học và thích ứng tốt với dữ liệu đến liên tục, đồng thời tích hợp hiệu quả tri thức từ các nguồn bên ngoài.

Mục lục chi tiết:

• Chương 1: Kiến Thức Nền Tảng
• Chương 2: Khai Thác Tri Thức Tiên Nghiệm Trong Luồng Dữ Liệu
• Chương 3: Vấn Đề Nghiên Cứu Về Dropout Trong Luồng Dữ Liệu
• Chương 4: Cơ Chế Hiệu Chỉnh Tránh Quên Tri Thức