{{{sourceTextContent.title}}}

KOOPERATIVE BEMÜHUNG DURCH RESULTATE ROBOTSproduces

{{{sourceTextContent.subTitle}}}

MIT-Algorithmus verursacht neues Maschine-Erlernenmodell, das nicht Daten-Anhäufung erfordert

{{{sourceTextContent.description}}}

Forscher an MIT? s-Labor für Informations-und Entscheidungs-Systeme haben mit einem Algorithmus aufgekommen, der unabhängige Mittel (z.B. Roboter) entwickeln zusammen ein Maschine-erlernenmodell ohne Datenanhäufung erlaubt. Die Lernfähigkeit einer Maschine ist, wo Computer neue Kompetenzen erlernen, indem sie nach Mustern in den Trainingsdaten suchen, es ist die Technik der meiste Gebrauch der autonomen Roboter, Modelle ihrer umgebenden Umwelt zu errichten. Die Mannschaft der Forscher stellt ihre Entdeckungen bei der Konferenz 2014 auf Ungewissheit in der künstlichen Intelligenz, 23. Juli -27th 2014 dar.

Während ihrer Experimente die Mannschaft? s verteilter Algorithmus übertraf einen Standardalgorithmus an leistung, der auf den Daten basiert, die in einer einzelnen Position gespeichert werden. Sie legen einen Algorithmus dar, in dem die Roboter, die Gebäudeversammlungsdaten erforschen und sie separat analysieren. Wenn Paare der Roboterquerwege, die sie austauschen können, stellen Analysen und, ein kompletteres folglich zu errichten von ihrer Umwelt dar. Entsprechend Trevor Campbell, wer das Papier schrieb? Wenn kleinere Klumpen von Daten zuerst durch einzelne Roboter verarbeitet werden und dann kombiniert, ist das abschließende Modell weniger wahrscheinlich, an einer schlechten Lösung fest zu erhalten.?

Die Anwendungen dieses verteilten Algorithmus gehen über den erlernenden Roboter hinaus und konnten haben eine bedeutende Auswirkung auf, wie wir große Daten bezüglich des Netzes behandeln.