Machine Learning

Samen sterker en slimmer: algoritmen voor gecontroleerd machinaal leren

Samen sterker en slimmer

Algoritmen voor ondersteund leren bouwen kennis op door gericht te experimenteren - mét ondersteuning, én mits het broodnodige vallen en opstaan. Successen belonen stimuleert een gewenst gedragspatroon - en dat heeft zo zijn voordelen binnen computer aided engineering processen.

Self-organizing maps tonen het bos door de vele bomen

Self-organizing maps tonen het bos door de vele bomen

We schreven het al eerder in deze Simsalabim blog: algoritmen voor ongecontroleerd machinaal leren (unsupervised machine learning) zijn er in diverse soorten. In deze blog post nemen we self-organizing maps onder de loep. Self-Organizing Maps (kortweg SOMs) worden ook soms wel Kohonen maps genoemd, naar de Finse professor Teuvo Kohonen die ze in 1982 voor het eerst introduceerde.

Clustering kan ook ingenieurs slimmer maken

Algoritmen voor ongecontroleerd machinaal leggen binnen grote hoeveelheden meerdimensionale gegevens structuren bloot die onzichtbaar zijn voor het menselijk brein. Clustering bijvoorbeeld vertaalt binnen Computer Aided Engineering (CAE) processen gegevens in kennis.

Een toemaatje visueel machinaal leren

Een toemaatje visueel machinaal leren

Al doende slimmer worden. Klinkt mooi, niet? Algoritmen voor gecontroleerd leren maken dat mogelijk. Maar hoe gaat dat nu concreet in zijn werk? Om dat te weten, loont het de moeite om een heel aanschouwelijke blog post te lezen die de principes van machinaal leren toelicht. Sterk aanbevolen lectuur!

Gras groeit niet sneller door er aan te trekken

Maar dat wist je natuurlijk ook wel. Net zoals je weet dat gras wél harder groeit als je het doordacht aanpakt: op de juiste tijdstippen verzorgen, en regelmatig van de nodige voeding voorzien. Zo een doordachte aanpak helpt op vele domeinen (sneller) betere resultaten boeken, en virtuele simulatie vormt daarop absoluut geen uitzondering.

Kijkt er iemand mee over de schouder?

Algoritmen voor machinaal leren zijn er in verschillende soorten, afhankelijk van de mate waarin gecontroleerd wordt toegezien op het leerproces. Maar ondanks (of dankzij?) hun verschillen creëren ze een pak zeer diverse opportuniteiten om computer aided engineering processen slimmer en effectiever te maken.