Unsupervised Concept Drift Detection based on Parallel Activations of Neural Network

要約

人工知能の実際の応用では、実際のデータのストリーミング特性に対処する必要がますます多くなっており、時間要因を考慮すると、周期性や多かれ少なかれ混沌とした退化などの現象の影響を受けやすく、その結果、概念のドリフトが直接発生します。
最新のコンセプトのドリフト検出器は、ほとんどの場合、ラベルへの即時アクセスを前提としていますが、コスト、可用性の制限、遅延の可能性などの理由から、これは非現実的であることがわかっています。
この研究では、未訓練のニューラル ネットワークの出力を利用した教師なし並列アクティベーション ドリフト検出器を提案し、その主要な設計要素、処理特性に関する直観、最先端の手法との競争力を実証するコンピューター実験のプールを提示します。

要約(オリジナル)

Practical applications of artificial intelligence increasingly often have to deal with the streaming properties of real data, which, considering the time factor, are subject to phenomena such as periodicity and more or less chaotic degeneration – resulting directly in the concept drifts. The modern concept drift detectors almost always assume immediate access to labels, which due to their cost, limited availability and possible delay has been shown to be unrealistic. This work proposes an unsupervised Parallel Activations Drift Detector, utilizing the outputs of an untrained neural network, presenting its key design elements, intuitions about processing properties, and a pool of computer experiments demonstrating its competitiveness with state-of-the-art methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google