HAMLET:用于AI研究与开发的基于分层Agent的机器学习平台

0
2726
Source: //arxiv.org/pdf/2010.04894.pdf

机器学习(ML)算法被广泛用作解决各种现实问题的计算工具,包括图像,音频和文本分类任务。定期开发新算法。记录大量新算法并立即访问过去提供的算法变得越来越具有挑战性。

普渡大学和辛辛那提大学的研究人员最近建立了一个名为HAMLET的平台。它可以帮助计算机科学家和开发人员浏览现有的机器学习模型。该平台通过协助科学家评估和培训算法来支持科学家进行研发。它使研究团队可以共享他们的模型,并最终使全世界开发的ML模型民主化。

艾哈迈德·埃斯梅里(Ahmad Esmaeili),研究人员之一表示,组织和管理ML算法和数据集的记录一直是该领域研究人员的重大挑战。随着ML解决方案和组件数量的不断增长,这变得更加繁琐。他们旨在建立一个平台,以分布式方式管理可用的ML贡献和资产,并促进诸如高效访问,比较和评估这些资源的行动。

广告Coursera Plus标语,包含约翰·霍普金斯大学,谷歌和密歇根大学的课程,突出显示数据科学职业发展的内容
//arxiv.org/pdf/2010.04894.pdf

HAMLET代表基于分层代理的机器学习平台。它包括一组AI工具,这些工具经过训练可管理大范围的机器学习算法,相关资源以及机器学习模型可以实现的任务。研究人员描述了人工制剂’管理平台的技能,这些技能基于它们所代表的数据,算法或任务按层次结构的各个级别进行排列。分层多代理系统为分析,建模和仿真复杂系统提供了一种合适的方法,在该系统中,大量实体在各个抽象级别进行交互。

该平台从一个空的结构开始,并随着时间的推移通过引入新的机器学习资源/查询来自主发展。该平台基于多代理系统,可以分布在计算机和设备的网络上。因此,对它们可以承载的算法和数据的大小和类型没有限制。

该平台具有灵活的查询结构和友好的用户界面。研究人员可以使用它来执行各种职责,例如分别培训和测试其算法。

研究人员使用HAMLET平台在由Smart Python Agent开发环境SPADE生成的模拟环境中完成了120个培训和四批测试任务,以测试其有效性。他们定期使用9个著名的数据集来检查和训练24种机器学习算法,以训练AI代理。结果表明,HAMLET是用于训练和测试机器学习算法的非常有保证且有用的工具。

借助HAMLET,所有人都可以使用机器学习解决方案。因此,该平台可帮助机器学习研究社团轻松共享和记录其方法和资源,而无需考虑地理位置。

将来,研究人员可以在全球范围内使用该平台在多个数据集上训练新的机器学习算法,为特定目的识别现有模型,或者评估新算法并将其性能与其他现有算法进行比较。所有这些任务都可以通过对HAMLET的单个查询来有效地执行。

该团队旨在进一步进行研究,并致力于支持更复杂的算法,平台’针对故障的生存能力,合并各种平台以及访问算法的私密性。该项目尚处于起步阶段,可以在许多方面进行增强,以确保它充分满足现代研究和工业要求。

纸: //arxiv.org/pdf/2010.04894.pdf

广告

发表评论

请输入您的评论!
请在这里输入您的名字

该网站使用Akismet减少垃圾邮件。 了解如何处理您的评论数据.