Tartalom
- Meghatározás - Mit jelent az újdonság-észlelés?
- Bevezetés a Microsoft Azure és a Microsoft Cloud | A jelen útmutató során megtanulja, hogy mi a lényeg a felhőalapú számítástechnikában, és hogyan segítheti a Microsoft Azure a felhőből történő migrációt és az üzleti vállalkozás futtatását.
- A Techopedia magyarázza az újszerűség észlelését
Meghatározás - Mit jelent az újdonság-észlelés?
Az újdonság-észlelés olyan statisztikai módszer, amelyet új vagy ismeretlen adatok meghatározására és annak meghatározására használnak, hogy ezek az új adatok a normán belül (kívül) vagy kívül (kívül) vannak-e.
A regény ebben az esetben szokatlan, új és új adatokkal jár, amelyek nem fordulnak elő rendszeresen, vagy egyszerűen különböznek a többitől. Az újdonságot különféle területeken alkalmazzák, amelyeknek rendszeres működésük során rendellenességeket kell felismerniük, például a hálózati behatolások, a hackelés, a sugárhajtómű meghibásodás, a gépi tanulás és még sok más észlelésére.
A csalások felderítésében például a hitelkártya-társaságok figyelemmel kísérik a felhasználó kiadási szokásait, és ha eltérés mutatkozik e szokásoktól, azonnal felhívják a felhasználót, hogy kérdezzék, vajon a vásárlás jogszerű volt-e, vagy a kártya elveszett vagy ellopták.
Bevezetés a Microsoft Azure és a Microsoft Cloud | A jelen útmutató során megtanulja, hogy mi a lényeg a felhőalapú számítástechnikában, és hogyan segítheti a Microsoft Azure a felhőből történő migrációt és az üzleti vállalkozás futtatását.
A Techopedia magyarázza az újszerűség észlelését
Az újdonság észlelése a megfelelő osztályozási rendszer és a gépi tanulás egyik alapvető követelménye. A gépi tanulási rendszerekben nem minden lehetőséget lehet beilleszteni az edzés során, így mindig lesznek új típusú adatok és lehetőségek, amelyek a jövőben felmerülnek, alapvetően olyan bemenetek, amelyek különböznek a rendszeresen fogadott vagy látott adatoktól.
Például a hibák és csalások felderítésében a rendszert arra képzik, hogy felismerjék az alulreprezentált vagy egyáltalán nem látott adatokat, mivel ezek potenciális hibák, és az orvosi adatrendszerekben ez betegséget jelenthet.
A tiszta újdonságérzékelő rendszereknél a hálózatot a negatív példákra képzik, majd csak azokat a bemeneteket érzékelik, amelyek nem illenek ebbe a modellbe új osztályként.
A tanulási rendszerek számára nagyon fontos és hasznos képesség annak felismerése, hogy a bemeneti adatok eltérnek a korábbi bemenetektől. Ez azt jelentené, hogy a rendszer valóban képes megtanulni, és nem csak reagálni a korábbi bemenetekre és a programozásra.
Állatok és emberek esetében az újdonság észlelését folyamatosan végezzük; azaz képesség megkülönböztetni az objektumokat a többi objektumtól. Például látunk egy sima fehér falat, majd látunk egy foltot, amely a felületén mozog, azonnal leválasztjuk a falról, megjegyezve, hogy ez egy más tárgy, valószínűleg egy rovar.