基于神经网络并行激活的无监督概念漂移检测
机器学习
2025-03-05 v2
摘要
人工智能的实际应用越来越频繁地需要处理真实数据的流式特性，考虑到时间因素，这些数据会经历周期性以及或多或少的混沌退化现象——直接导致概念漂移。现代概念漂移检测器几乎总是假设可以立即获取标签，但由于标签的成本、有限可用性和可能的延迟，这一假设已被证明是不现实的。本文提出了一种无监督的并行激活漂移检测器，利用未训练神经网络的输出，介绍了其关键设计元素、关于处理特性的直觉，以及一系列计算机实验，证明了其与最先进方法的竞争力。
引用
@article{arxiv.2404.07776,
title = {Unsupervised Concept Drift Detection based on Parallel Activations of Neural Network},
author = {Joanna Komorniczak and Paweł Ksieniewicz},
journal= {arXiv preprint arXiv:2404.07776},
year = {2025}
}