A Framework for Agent-Based Distributed Machine Learning and Data Mining

Result code in IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F07%3A03131230" target="_blank" >RIV/68407700:21230/07:03131230 - isvavai.cz</a>

Result on the web

—

DOI - Digital Object Identifier

—

Result language

angličtina

Original language name

A Framework for Agent-Based Distributed Machine Learning and Data Mining

Original language description

This paper proposes a framework for agent-based distributed machine learning and data mining based on (i) the exchange of meta-level descriptions of individual learning processes among agents and (ii) online reasoning about learning success and learningprogress by learning agents. We present an abstract architecture that enables agents to exchange models of their local learning processes and introduces a number of different methods for integrating these processes. This allows us to apply existing agentinteraction mechanisms to distributed machine learning tasks, thus leveraging the powerful coordination methods available in agent-based computing, and enables agents to engage in meta-reasoning about their own learning decisions. We apply this architecture to a real-world distributed clustering application to illustrate how the conceptual framework can be used in practical systems in which different learners may be using different datasets, hypotheses and learning algorithms.

Czech name

Platforma pro agentní distribuované strojové učení a dolování dat

Czech description

Tento článek představuje platformu pro agentní distribuované strojové učení a dolování dat založené na (i) výměně meta-popisů individuálních procesů učení mezi agenty a (ii) realtimové uvažování agentů o úspěšnosti jejich učících procesů. Předkládáme abstraktní architekturu umožňující agentům vzájemnou výměnu modelů jejich lokálních učících procesů a uvádíme řadu rozličných metod integrace těchto procesů. To nám dále umožní aplikovat existující mechanismy interakce mezi agenty pro potřeby řešení problémů distribuovaného strojového učení, a tedy využít účinné koordinační metody, které multiagentní prostředí poskytuje a díky kterým mohou agenti provádět metauvažování o svých rozhodnutích. Tuto architekturu nasazujeme na reálný distribuovaný problém clusterování a ilustrujeme tím, jak lze tuto konceptuální platformu využít v existujících systémech, v nichž rozdílné učící se entity mohou používat odlišné sady dat, hypotézy i algoritmy učení.

Type

D - Article in proceedings

CEP classification

JC - Computer hardware and software

OECD FORD branch

—

Project

—

Continuities

V - Vyzkumna aktivita podporovana z jinych verejnych zdroju

Publication year

2007

Confidentiality

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Article name in the collection

Proceedings of the Sixth International Conference on Autonomous Agents and Multiagent Systems

ISBN

978-81-904262-7-5

ISSN

—

e-ISSN

—

Number of pages

8

Pages from-to

—

Publisher name

IFAAMAS

Place of publication

County of Richland

Event location

Honolulu

Event date

May 14, 2007

Type of event by nationality

WRD - Celosvětová akce

UT code for WoS article

—