هوش مصنوعی
روشی برای یادگیری مداوم قواعد زمان‌بندی در کارگاه‌های انعطاف‌پذیر پیشنهاد شد
پیش‌چاپی در arXiv به سراغ محدودیت تعمیم قواعد زمان‌بندی و فراموشی دانش پیشین در هنگام تنظیم مجدد آن‌ها می‌رود.
در پیش‌چاپی در arXiv، پژوهشگران روشی مبتنی بر برنامه‌نویسی ژنتیکِ کمک‌گرفته از مدل جانشین را برای یادگیری مداوم قواعد زمان‌بندی در کارگاه‌های منعطف پویا (DFJSS) پیشنهاد کرده‌اند. چکیدهٔ مقاله می‌گوید قواعدی که با برنامه‌نویسی ژنتیک آموزش می‌بینند، معمولاً فقط به مسئله‌هایی با مقیاس و توزیع مشابه تعمیم پیدا می‌کنند و با تغییر ویژگی‌های کار، عملکردشان افت می‌کند. تنظیم دقیق قواعد ازپیش‌آموزش‌دیده برای وظایف تازه نیز ممکن است به «فراموشی فاجعه‌بار» و از دست رفتن دانش قبلی بینجامد.
نویسندگان هدف روش پیشنهادی را سازگارشدن با وظایف تازه و در عین حال حفظ دانش گذشته عنوان می‌کنند. متن در دسترس فقط بخشی از چکیده را شامل می‌شود و جزئیات روش یا نتایج ارزیابی را ارائه نمی‌کند.
این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درج‌شده تنظیم شده‌اند؛ صحت مستقل همه ادعاها تضمین نمی‌شود.
منبع: arXiv · AI (پیش‌چاپ) — مشاهده منبع اصلی ↗
پیش‌چاپ پژوهشی در arXiv؛ انتشار در این مخزن به معنی داوری همتا نیست
رد این داستان در رادار
خبرهای مرتبط از آرشیو منتشرشده