• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Conference on Artificial Neural Networks >Basic Evaluation Scenarios for Incrementally Trained Classifiers
【24h】

Basic Evaluation Scenarios for Incrementally Trained Classifiers

机译：训练有素的分类器的基本评估方案

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Evaluation of incremental classification algorithms is a complex task because there are many aspects to evaluate. Besides the aspects such as accuracy and generalization that are usually evaluated in the context of classification, we also need to assess how the algorithm handles two main challenges of the incremental learning: the concept drift and the catastrophic forgetting. However, only catastrophic forgetting is evaluated by the current methodology, where the classifier is evaluated in two scenarios for class addition and expansion. We generalize the methodology by proposing two new scenarios of incremental learning for class inclusion and separation that evaluate the handling of the concept drift. We demonstrate the proposed methodology on the evaluation of three different incremental classifiers, where we show that the proposed methodology provides a more complete and finer evaluation.
机译：评估增量分类算法是一项复杂的任务，因为要评估的方面很多。除了通常在分类的上下文中评估的准确性和泛化性等方面之外，我们还需要评估算法如何应对增量学习的两个主要挑战：概念漂移和灾难性遗忘。但是，当前方法仅评估灾难性的遗忘，其中在两种情况下评估分类器，以进行类添加和扩展。我们通过提出两种新的针对班级包含和分离的增量学习方案来对方法进行概括，以评估概念漂移的处理方式。我们演示了对三种不同增量分类器的评估所提出的方法，其中我们表明所提出的方法提供了更完整，更精细的评估。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号