Resumen

El ruido en los datos de entrenamiento aumenta la tendencia de muchos métodos de aprendizaje automático a sobreajustar los datos de entrenamiento, lo que socava el rendimiento. Los valores atípicos se producen en los big data como resultado de varios factores, incluidos los errores humanos. En este trabajo, presentamos un novedoso modelo discriminador para la identificación de valores atípicos en los datos de entrenamiento. Proponemos un enfoque sistemático para crear conjuntos de datos de entrenamiento para entrenar el discriminador basado en un pequeño número de instancias genuinas (datos de confianza). El discriminador de ruido es una red neuronal convolucional (CNN). Evaluamos el rendimiento del discriminador utilizando varios conjuntos de datos de referencia y con diferentes ratios de ruido. Insertamos ruido aleatorio en cada conjunto de datos y entrenamos los discriminadores para limpiarlos. Se entrenaron diferentes discriminadores utilizando diferentes números de instancias genuinas con y sin aumento de datos. Comparamos el rendimiento del método discriminador de ruido propuesto con otros siete métodos propuestos en la literatura utilizando varios conjuntos de datos de referencia. Nuestros resultados empíricos indican que el método propuesto es muy competitivo con respecto a los otros métodos. De hecho, los supera para el ruido de pares.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:varios conjuntos de datos de referencia, datos de entrenamiento, instancia genuina, red neuronal convolucional, modelo discriminador novedoso, discriminador, relación de ruido diferente, rendimiento, métodos de aprendizaje automático, identificación de valores atípicos
• Keywords:several benchmark datasets, training data, genuine instance, convolutional neural network, novel discriminator model, discriminator, different noise ratio, performance, machine learning methods, identification of outlier