Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
KI - Künstliche Intelligenz
Erschienen in: KI - Künstliche Intelligenz 2/2020

10.05.2020 | Technical Contribution

Interactive Transfer Learning in Relational Domains

verfasst von: Raksha Kumaraswamy, Nandini Ramanan, Phillip Odom, Sriraam Natarajan

Erschienen in: KI - Künstliche Intelligenz | Ausgabe 2/2020

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

We consider the problem of interactive transfer learning where a human expert provides guidance to the transfer learning algorithm that aims to transfer knowledge from a source task to a target task. One of the salient features of our approach is that we consider cross-domain transfer, i.e., transfer of knowledge across unrelated domains. We present an intuitive interface that allows for an expert to refine the knowledge in target task based on his/her expertise. Our results show that such guided transfer can effectively reduce the search space thus improving the efficiency and effectiveness of the transfer process.
Vorheriger Artikel Active and Incremental Learning with Weak Supervision
Nächster Artikel Measuring the Quality of Explanations: The System Causability Scale (SCS)

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

KI - Künstliche Intelligenz

The Scientific journal "KI – Künstliche Intelligenz" is the official journal of the division for artificial intelligence within the "Gesellschaft für Informatik e.V." (GI) – the German Informatics Society - with constributions from troughout the field of artificial intelligence.

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Weitere Produktempfehlungen anzeigen
Fußnoten
1
Note the difference between modes in ILP and modes of probability distributions. Modes inside ILP define the argument types of a predicate and help in the inductive search of the rules.
 
2
We use the subscripts S to denote the source domain and T, the target domain respectively.
 
Literatur
1.
Bilenko M, Mooney R (2003) Adaptive duplicate detection using learnable string similarity measures. In: ACM SIGKDD
2.
Carlson A, Betteridge J, Kisiel B, Settles B, Hruschka E Jr, Mitchell T (2010) Toward an architecture for never-ending language learning. In: AAAI
3.
Craven M, DiPasquo D, Freitag D, McCallum A, Mitchell T, Nigam K, Slattery S (1998) Learning to extract symbolic knowledge from the world wide web. AAAI
4.
Davis J, Domingos P (2009) Deep transfer via second-order markov logic. In: ICML
5.
De Raedt L, Frasconi P, Kersting K, Muggleton S (2008) Probabilistic inductive logic programming. Springer, New YorkCrossRef
6.
Domingos P,  Lowd D (2009) Markov logic: an interface layer for artificial intelligence. Synthesis lectures on artificial intelligence and machine learning
7.
Getoor L, Taskar B (2007) Introduction to statistical relational learning. MIT Press, CambridgeCrossRef
8.
Haaren J, Kolobov A, Davis J (2015) Todtler: two-order-deep transfer learning. In: AAAI
9.
10.
Khot T, Natarajan S, Kersting K, Shavlik J (2011) Learning Markov logic networks via functional gradient boosting. In: ICDM
11.
Kumaraswamy R, Odom P, Kersting K, Leake D, Natarajan S (2015) Transfer learning via relational type matching. In: ICDM
12.
Mehta N, Natarajan S, Tadepalli P, Fern A  (2008) Transfer in variable-reward hierarchical reinforcement learning. Machine Learning
13.
Mihalkova L, Huynh T, Mooney R (2007) Mapping and revising markov logic networks for transfer learning. In: AAAI
14.
Mihalkova L, Mooney R (2007) Bottom-up learning of markov logic network structure. In: ICML
15.
Mihalkova L, Mooney R (2009) Transfer learning from minimal target data by mapping across relational domains. In: IJCAI
16.
Natarajan S, Tadepalli P, Dietterich TG, Fern A (2009) Learning first-order probabilistic models with combining rules. AMAI
17.
Odom P, Natarajan S (2016) Actively interacting with experts: A probabilistic logic approach. In: Joint European conference on machine learning and knowledge discovery in databases. Springer
18.
Ong IM, de Castro Dutra I, Page D, Costa VS (2005) Mode directed path finding. In: Gama J, Camacho R, Brazdil PB, Jorge AM, Torgo L (eds) Machine learning: ECML 2005. Lecture notes in computer science, vol 3720. Springer, Berlin, Heidelberg
19.
Pan SJ, Yang Q (2009) A survey on transfer learning. IEEE transactions on knowledge and data engineering
20.
Raina R, Ng A, Koller D (2006) Constructing informative priors using transfer learning. In: Proceedings of the 23rd international conference on Machine learning. ACM
21.
22.
Torrey L, Shavlik J, Walker T, Maclin R (2008) Relational macros for transfer in reinforcement learning. In: Blockeel H, Ramon J, Shavlik J, Tadepalli P (eds) Inductive logic programming. ILP 2007. Lecture notes in computer science, vol 4894. Springer, Berlin, Heidelberg
Metadaten
Titel
Interactive Transfer Learning in Relational Domains
verfasst von
Raksha Kumaraswamy
Nandini Ramanan
Phillip Odom
Sriraam Natarajan
Publikationsdatum
10.05.2020
Verlag
Springer Berlin Heidelberg
Erschienen in
KI - Künstliche Intelligenz / Ausgabe 2/2020
Print ISSN: 0933-1875
Elektronische ISSN: 1610-1987
DOI
https://doi.org/10.1007/s13218-020-00659-6

Weitere Artikel der Ausgabe 2/2020

KI - Künstliche Intelligenz 2/2020 Zur Ausgabe

Technical Contribution

Power to the Oracle? Design Principles for Interactive Labeling Systems in Machine Learning

Community

News

Project Report

Mutual Explanations for Cooperative Decision Making in Medicine

Discussion

How and What Can Humans Learn from Being in the Loop?

Discussion

One Explanation Does Not Fit All

Dissertation and Habilitation Abstracts

Dealing with Mislabeling via Interactive Machine Learning