Resumen

En los últimos años, el aprendizaje a su propio ritmo (Self-Paced Learning, SPL) ha atraído mucha atención debido a su mejora en los algoritmos de aprendizaje automático basados en optimización no convexa. Como metodología introducida a partir del aprendizaje humano, el SPL evalúa dinámicamente la dificultad de aprendizaje de cada muestra y proporciona el modelo de aprendizaje ponderado contra los efectos negativos de las muestras difíciles de aprender. En este estudio, propusimos un método de SPL impulsado por cognición, es decir, el aprendizaje a su propio ritmo retrospectivo robusto (R2SPL), que se inspira en los siguientes dos problemas en el proceso de aprendizaje humano: las muestras clasificadas incorrectamente son más impactantes en el aprendizaje futuro, y el modelo del proceso de aprendizaje posterior basado en un gran número de muestras puede usarse para reducir el riesgo de una mala generalización en la fase inicial de aprendizaje. Estimamos simultáneamente los grados de dificultad de aprendizaje y las muestras clas

• Materias:Modelo de tráfico Sistemas antifrágiles Sistemas multiagente Componentes complejos
• Subjects:Traffic model Anti-fragile systems Multiagent systems Complex components
• Palabras claves:Aprendizaje a su propio ritmo; SPL; Optimización no convexa; Algoritmos de aprendizaje automático; Impulsado por cognitivo; R2SPL
• Keywords:Self-paced learning; SPL; Nonconvex optimization; Machine learning algorithms; Cognitive driven; R2SPL