نحوه ذخیره سازی آموخته های یک ماشین و آپدیت شدن مدل های داده کاوی
دوستان سلام
میخوام بدونم یه ربات با هوش مصنوعی چگونه دانشی را که آموخته نگه میدارد و سپس دانش جدید را به دانش قبلی اضافه می کند؟ یعنی وقتی ربات چیزی یاد میگیرد ، آنچه را آموخته چگونه ذخیره می کند ؟ و در مواجهه با شرایط جدید چگونه به دانش قبلی خود می افزاید؟
و اینکه در داده کاوی چگونه با این مسئله برخورد می شود؟
جهت درک دقیقتر و واضحتر سوال، یک مثال میزنم.
فرض کنیم 10000 رکورد دیتا از بورس داریم و با استفاده از این دیتا ها و الگوریتم های داده کاوی یک مدل جهت پیش بینی بورس ساخته می شود.
حال سوال این است اگر روزانه 100 رکورد جدید از بورس به دست آید، چگونه مدل ساخته شده باید از این دیتای روزانه جدید تاثیر بپذیرد؟
آیا باید مدل از ابتدا با همه دیتا ها ساخته شود یا اینکه فقط با استفاده از دیتاهای جدید خود را به روز کند؟
|