মেশিন লার্নিং বনাম সিস্টেম সনাক্তকরণ?


12

মেশিন লার্নিং এবং সিস্টেম সনাক্তকরণের মধ্যে পার্থক্য ও সাদৃশ্য সম্পর্কে কি কেউ আমাকে ব্যাখ্যা করতে পারেন? এই দুটি কি একই জিনিসটির নাম? ইন এই পৃষ্ঠার , তখন বলে,

মেশিন লার্নিং এবং সিস্টেম সনাক্তকরণ সম্প্রদায়গুলি একই ধরণের সমস্যার মুখোমুখি হয় যেখানে কাউকে সীমাবদ্ধ বা গোলমাল পর্যবেক্ষণ থেকে একটি মডেল তৈরি করা প্রয়োজন।

আমি ক্রিস্টোফার এম বিশপের বিখ্যাত বই প্যাটার্ন রিকগনিশন এবং মেশিন লার্নিংয়ের প্রথম অধ্যায়গুলিও পড়েছি। এখনও অবধি, আমার উপসংহারটি হ'ল যে সিস্টেম শনাক্তকরণটি সমাধান করার চেষ্টা করছে তা হ'ল মেশিন লার্নিং কী সমাধান করার চেষ্টা করছে তার একটি উপসেট।

উত্তর:


6

সিস্টেম সনাক্তকরণ পর্যবেক্ষণ করা ডেটা থেকে গতিশীল মডেলগুলি নির্মাণের বিজ্ঞান। দুটি প্রধান পন্থা রয়েছে: ভবিষ্যদ্বাণী ত্রুটি সনাক্তকরণ (PEI) এবং সাবস্পেস আইডেন্টিফিকেশন (এসআইডি)। উভয়ই একটি তথাকথিত প্যারামেট্রিক মডেল সরবরাহ করছে, এটি বলা যায় একটি স্থিত কাঠামোর একটি মডেল। সাধারণত এটি এমন হয় যে ব্যবহারকারী অন্তর্নিহিত সিস্টেমের কাঠামো (বিশেষত পিইআই পদ্ধতিতে) বা কমপক্ষে সিস্টেমের ক্রম (উভয় পদ্ধতিতে) বাছাই করে। এটি প্রয়োজনীয় না হলেও, একটি নিম্ন অর্ডার সিস্টেমের সন্ধান করা হয়েছে (এটি বলার জন্য, ভিত্তি সহগের সংখ্যা তুলনামূলকভাবে কম) কারণ এটি প্রায়শই নিয়ন্ত্রণের উদ্দেশ্যে ব্যবহৃত হয়, তাই এড়াতে আমাদের এটিকে যথাসম্ভব সরল রাখতে হবে গণনামূলক সমস্যা ইত্যাদি। এই মডেলটি কিছু ইনপুট দেওয়া সিস্টেমের ভবিষ্যতের আচরণ সম্পর্কে ভবিষ্যদ্বাণী করতে ব্যবহার করা যেতে পারে।

অন্যদিকে, মেশিন লার্নিং (এমএল) এর দুটি প্রধান শাখা রয়েছে, শ্রেণিবদ্ধকরণ এবং রিগ্রেশন অ্যালগরিদম। পরবর্তীগুলিও পূর্বাভাসের উদ্দেশ্যে ব্যবহৃত হয়। মেশিন লার্নিংয়ের সবচেয়ে বিখ্যাত দুটি পদ্ধতির নাম সাপোর্ট ভেক্টর মেশিনস (এসভিএম) এবং গাউসিয়ান প্রসেস (জিপি)। সিস্টেম শনাক্তকরণ কৌশলগুলির সাথে মূল পার্থক্যটি হ'ল এমএল কৌশলগুলি একটি নন-প্যারামেট্রিক মডেল সরবরাহ করছে। পরবর্তীটির অর্থ হল একটি নতুন ইনপুটটির জন্য ভবিষ্যদ্বাণীটি মডেলের "প্রশিক্ষণ" (শেখার, সনাক্তকরণ) এর জন্য ব্যবহৃত ডেটা পয়েন্টগুলির একটি ফাংশন হিসাবে দেওয়া হয়। অতএব, আমরা যদি প্রশিক্ষণের জন্য N = 1000 ডেটা পয়েন্ট ব্যবহার করি, তবে এই ডেটা পয়েন্টগুলির ফাংশন হিসাবে ভবিষ্যদ্বাণীটি প্রকাশ করা হবে। এমএল পদ্ধতিগুলি আরও নমনীয় কারণ তাদের ব্যবহারকারীর কাছ থেকে কোনও কাঠামো নির্বাচনের প্রয়োজন হয় না, তবে তারা অন্যান্য সীমাবদ্ধতার মুখোমুখি হয় (যেমন, উদাহরণস্বরূপ)

সম্প্রতি অবধি এমএল এবং সিস্টেম সনাক্তকরণ কৌশলগুলি স্বাধীনভাবে বিকাশ করছিল। তবে পরবর্তী বছরগুলিতে একটি সাধারণ ভিত্তি স্থাপনের জন্য দুর্দান্ত প্রচেষ্টা রয়েছে (যেমন লজুং থেকে "সিস্টেম শনাক্তকরণের সাথে চারটি কাগজ" দেখুন)


3

প্রসঙ্গ: SLID এবং ML তে প্রবেশকারী লোকটিকে নিয়ন্ত্রণ করে।

আমি মনে করি user110686 এর উত্তর কিছু পার্থক্য ব্যাখ্যা করার একটি ন্যায্য কাজ করে। এসআইএসআইডি প্রয়োজনীয়ভাবে ইনপুট / আউটপুট ডেটা থেকে গতিশীল মডেলগুলি সম্পর্কে রয়েছে, যেখানে এমএল একটি বিস্তৃত শ্রেণীর সমস্যা coversেকে ফেলেছে । তবে আমি দেখতে পাচ্ছি সবচেয়ে বড় পার্থক্য হ'ল (ক) মেমরি (পরামিতির সংখ্যা) দিয়ে; (খ) "শিখেছি" মডেলটির শেষ ব্যবহার। সিস্টেম শনাক্তকরণ হ'ল ফ্রিকোয়েন্সি ডোমেনের উপস্থাপনা, সময়-ফ্রিকোয়েন্সি বিশ্লেষণ ইত্যাদি বিবেচনা করে একটি সংকেত প্রক্রিয়াকরণ পদ্ধতি is

(স্মৃতি:এমএসএল গবেষণার ক্ষেত্রটি রূপ নেওয়ার অনেক আগেই সিসআইডিডি বিশিষ্ট হয়ে ওঠে। অতএব পরিসংখ্যান এবং সংকেত প্রক্রিয়াকরণ তাত্ত্বিক ভিত্তির প্রাথমিক ভিত্তি ছিল, এবং গণনা ভীতি ছিল। অতএব, লোকেরা খুব সাধারণ পরামিতিগুলির সাথে খুব সাধারণ শ্রেণির মডেলগুলির (বায়াস-ভেরিয়েন্স ট্রেড অফ) সাথে কাজ করেছিল। আমরা প্রায় 30-40 পরামিতি এবং বেশিরভাগ লিনিয়ার মডেলগুলিতে এমনকি এমন ক্ষেত্রে এমনকি কথা বলছি যেখানে লোকেরা স্পষ্টভাবেই জানেন যে সমস্যাটি অ-রৈখিক। যাইহোক, এখন গণনা খুব সস্তা তবে SysID এখনও তার শেল থেকে বেরিয়ে আসেনি। লোকেরা বুঝতে শুরু করা উচিত যে এখন আমাদের আরও ভাল সেন্সর রয়েছে, খুব সমৃদ্ধ মডেল সেটগুলি সহ সহজেই পরামিতিগুলির আনুমানিক অনুমান করতে পারি। কিছু গবেষক সিসিডের জন্য নিউরাল নেটওয়ার্ক ব্যবহার করার চেষ্টা করেছেন তবে অনেক তাত্ত্বিক গ্যারান্টি নেই বলে অনেকে এগুলি "মূলধারার" হিসাবে গ্রহণ করতে নারাজ বলে মনে করছেন।

(খ) জ্ঞাত মডেলের শেষ ব্যবহার: এখন এটি একটি জিনিস সিসিড খুব সঠিক হয়ে উঠেছে, তবে অনেক এমএল অ্যালগরিদম ক্যাপচারে ব্যর্থ হয়। লক্ষ্য করা অ্যাপ্লিকেশনগুলির জন্য, আপনি প্রয়োজনীয়ভাবে অনলাইন অপ্টিমাইজেশনের জন্য কার্যকরভাবে ব্যবহার করা যেতে পারে এমন মডেল তৈরি করছেন তা স্বীকৃতি দেওয়া জরুরী এই মডেলগুলি যে কোনও নিয়ন্ত্রণ সিদ্ধান্ত গ্রহণের প্রচার করতে ব্যবহৃত হবে এবং এটি সর্বোত্তম নিয়ন্ত্রণ সমস্যা হিসাবে সেট আপ করার সময়, মডেলগুলি সীমাবদ্ধ হয়ে পড়ে। সুতরাং একটি অত্যন্ত জটিল মডেল কাঠামো ব্যবহার করার সময়, এটি অনলাইন অপ্টিমাইজেশনকে আরও জটিল করে তোলে। আরও মনে রাখবেন যে এই অনলাইন সিদ্ধান্তগুলি সেকেন্ড বা তারও কম স্কেলে নেওয়া হয়। বিকল্প প্রস্তাবিত হ'ল সর্বোত্তম নিয়ন্ত্রণের জন্য অফ-পলিসি পদ্ধতিতে ভ্যালু ফাংশনটি সরাসরি শেখা। এটি মূলত রিইনফোর্সমেন্ট লার্নিং এবং আমার মনে হয় সিএসআইডি এবং আরএল-এর মধ্যে ভাল মিল রয়েছে।


1
স্বাগতম কম্পিউটার সায়েন্স স্ট্যাক এক্সচেঞ্জ অরবিন্দ!
ডেভিড রিচারবি

2

আমি যুক্ত করতে চাই যে সিস্টেম সনাক্তকরণে প্যারামিমেটিকবিহীন পদ্ধতিও রয়েছে। বিশদ জানতে ম্যাটল্যাবের সিসআইডি টুলবক্স বা লাজংয়ের বইটি দেখুন। প্যারামিমেট্রিক অধ্যয়নের জন্য প্রথমে মডেলগুলির শ্রেণি সনাক্ত করতে প্রথমে নন-প্যারাম্যাট্রিক পদ্ধতিগুলি ব্যবহার করা হয়। এছাড়াও, অনুমানের সমস্যাটি নিয়ন্ত্রণ সমস্যা থেকে পৃথক করা গুরুত্বপূর্ণ (ওওডিএ লুপ মনে করুন)। কোনও সিস্টেম শনাক্ত করার ক্ষেত্রে প্রায়শই লক্ষ্য হ'ল পরে নকশাকৃত ধরণের কোনও নির্দিষ্ট নিয়ন্ত্রণ ইনপুট ছাড়াই সিস্টেমটির বৈশিষ্ট্য নির্ধারণ করা (তবে এটি সর্বদা সম্ভব হয় না)। পরিশেষে, আমি মনে করি যে এটি একটি সিস্টেম একটি গাণিতিক দৃষ্টিকোণ থেকে একটি অপারেটর যা কোনও ফাংশন স্পেসকে কোনও ফাংশন স্পেসে মানচিত্র করে realize অতএব ডিফারেনশিয়াল সমীকরণগুলি প্রায়শই চিহ্নিত ধরণের জিনিস এবং এই মানচিত্রগুলি কার্য সম্পাদন করে। এসআইএসআইডি-র কাজগুলি হ'ল প্রায়শই সময়ের ক্রমাগত কার্যকারিতা, অর ক্রমাগত-সময় সংকেত। (তবে সেগুলিও পৃথক সময় হতে পারে)) সুতরাং, সিসআইডি কেবল আসল সংখ্যাগুলি (বা ভেক্টর )কে আসল সংখ্যায় (বা ভেক্টর) মানচিত্র করার চেষ্টা করছে না; এটি সেরা অপারেটর (এলটিআই, এলটিভি, নন-লিনিয়ার ইত্যাদি) সনাক্ত করার চেষ্টা করে যা আউটপুট সংকেতগুলিতে ইনপুট সংকেতগুলি ম্যাপ করে।


-2

মেশিন লার্নিং: স্ট্যাটিক মডেল এবং গতিশীল মডেলের জন্য মডেলিং, সিস্টেম সনাক্তকরণ: গতিশীল মডেল বা গতিশীল প্রক্রিয়াতে ফোকাস


1
আপনি উত্তরটি খানিকটা বিরক্তিকর, আরও বিশদ দেওয়ার জন্য আপনি নিজের উত্তরটি কিছুটা বিশদভাবে বর্ণনা করতে পারেন - উদাহরণস্বরূপ, মেশিন লার্নিং গতিশীল মডেলিং এবং সিস্টেম সনাক্তকরণ গতিশীল মডেলিংয়ের মধ্যে পার্থক্য কী (যদি কোনও হয় - আমি কোনও বিশেষজ্ঞ নই) - বা হ'ল আপনি বলছেন যে সিস্টেম শনাক্তকরণ কেবল গতিশীল মেশিন লার্নিংয়ের উপর দৃষ্টি নিবদ্ধ করে, যেখানে বিস্তৃত অঞ্চলটিতে একটি স্ট্যাটিক উপাদান রয়েছে? (আপনি কীভাবে আপনার উত্তরটিকে আরও উন্নত করতে পারেন তা কেবলমাত্র ধারণা - সম্ভবত তারা ভাল না)
লুথ ম্যাথিসন
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.