ووفقا لهذه الجامعة الروسية المختصة في العلوم والتكنولوجيات، ستساعد الخوارزمية الجديدة في تطوير مجال المركبات غير المأهولة والتشخيص الطبي، حيث من المهم التمييز بين العناصر غير المحددة والتحف الرسومية.
وأوضحت الجامعة أنه مع زيادة حجم البيانات، تظهر حاجة إلى شبكات عصبية أكثر موثوقية يمكنها تصنيف كائنات جديدة والتعرف على الضوضاء التقنية التي تنشأ حتما عند الحصول على صورة.
قام فريق علمي من الباحثين، بالتعاون مع طلاب من جامعة MISIS ومن معهد موسكو العلي للفيزياء التقنية، بحل هذه المشكلة من خلال تطوير مجموعة من الشبكات العصبية SDDE (Saliency Diversified Deep Ensembles -المجموعات العميقة المتنوعة المتميزة). وهي تتكون من عدة نماذج يتم تدريبها على مجموعات فرعية من قواعد البيانات الفردية وتركز على الخصائص الفريدة للصور. ونتيجة لذلك، تحدد الشبكة العصبية الكائنات في الصور بأقل قدر من الخطأ.
وقال مكسيم جدانوف، أحد مصممي التطوير، وهو طالب في السنة الثالثة في معهد علوم الكمبيوتر في جامعة MISIS، إن SDDE أظهر أفضل النتائج مقارنة بالخوارزميات المماثلة.
وأضاف: "لقد اقترحنا طريقة جديدة لتنويع المجموعات وتحسين دقة رأي الشبكة العصبية عند اكتشاف البيانات خارج التوزيع، وهو أمر مهم بشكل خاص لتطبيقها في الظروف الحقيقية. على سبيل المثال، يجب أن يكتشف جهاز السائق الآلي الأشياء الموجودة على الطريق بدقة لمنع وقوع الحوادث. أو على سبيل المثال، يتطلب وضع التشخيص الطبي الدقيق وجود قاعدة بيانات واسعة النطاق. قد تكون النماذج غير المعايرة مفرطة الثقة في افتراضاتها غير الصحيحة. شبكتنا العصبية لا تتمتع بالثقة المفرطة، مما يسمح لها بتقييم حساباتها بشكل أكثر ملاءمة".
المصدر: نوفوستي