?

Log in

No account? Create an account

Publicaciones anteriores | Publicaciones siguientes

Si hay algo que me gusta de la ciencia es esa capacidad de exigirse a si misma como método para encontrar la verdad.
En esta publicacion de Maurizio Ferrari y Paolo Cremonesi del Politecnico di Milano junto a Dietmar Janach de la University of Klagenfurt ponen a prueba investigaciones previas respecto de algoritmos neuronales de recomendaciones top-n.

Siempre poner a prueba o cuestionar una investigacion previa es un tema espinudo, pero su conclusión la comparto, los resultados de una investigacion deben ser reproducibles y siempre es deseable que se entreguen las herramientas que faciliten la comprobación y posteriores trabajos, ellos mismos en esta publicación comparten los resultados y el codigo fuente.
Ya, Shut up and hack slackers!!!...

¿Estamos realmente haciendo mucho progreso? Un inquietante análisis de los recientes enfoques de recomendación neuronal

Técnicas de aprendizaje profundo se han convertido en el método de elección para los investigadores que trabajan en los aspectos algorítmicos de sistemas de recomendación. Con el interés creciente fuertemente en el aprendizaje de máquina en general, en consecuencia, resulta difícil hacer un seguimiento de lo que representa el estado del arte en el momento, por ejemplo, para las tareas de recomendación de top-n. Al mismo tiempo, varias publicaciones recientes señalan problemas en la práctica de la investigación de hoy en el aprendizaje de la máquina aplicada, por ejemplo, en cuanto a la reproducibilidad de los resultados o la elección de las líneas de base al proponer nuevos modelos. En este trabajo se presenta los resultados de un análisis sistemático de propuestas algorítmicas para las tareas de recomendación de top-n. Específicamente, se consideraron los 18 algoritmos que se presentaron en conferencias de investigación de alto nivel en los últimos años. Sólo 7 de ellos se podría reproducir con un esfuerzo razonable. De estos métodos, sin embargo resultó que 6 de ellos a menudo puede ser superado con métodos heurísticos simples comparable, por ejemplo, basados en técnicas basadas en gráfico o más cercano vecino. El restante claramente superó a las líneas de base, pero no superan constantemente un método de clasificación lineal no neural bien afinado. En general, nuestro trabajo arroja luz sobre una serie de posibles problemas en beca de aprendizaje de máquina de hoy y pide mejora de las prácticas científica en esta área. Código fuente de nuestros experimentos y resultados completos están disponibles en: esta dirección de URL de https.

publicacion aqui: https://arxiv.org/abs/1907.06902v1

Perfil

deoxyt2
Juan Rodrigo Anabalón R.
Website

Acerca de mi

He estado escribiendo sobre temas de seguridad en Livejournal desde el 2008 y en mi horrible y extinto MSN Spaces desde el 2006. En la actualidad, soy CISO en MonkeysLab y Presidente en ISSA Chile.




MonkeysLab




Copyleft

Copyleft: Atribuir con enlace.







Flickr


ISSA Chile



contador de visitas


contadores gratis

Último mes

September 2019
S M T W T F S
1234567
891011121314
15161718192021
22232425262728
2930     

Tags

Powered by LiveJournal.com
Designed by Lilia Ahner