پژوهش
هندسهٔ فراکتالی میتواند توضیح دهد چرا نتایج یادگیری عمیق دشوار پیشبینی و بازتولید میشوند
پژوهشگران میگویند نقطههای شروعِ منتهی به نتایج متفاوت، در مقیاسهای بسیار ریز درهمتنیدهاند؛ بنابراین افزایش دقت در تعیین نقطهٔ شروع ممکن است به بهبود چندانی در پیشبینی منجر نشود.
پژوهشی که ۵ نوامبر ۲۰۲۶ در Nature Machine Intelligence منتشر شده، هندسهٔ فراکتالیِ حوضههای جذب را سازوکاری برای توضیح دشواری پیشبینی و بازتولید نتایج یادگیری عمیق پیشنهاد میکند. بهگفتهٔ Ly و Gong، نقطههای شروعی که به نتایج متفاوت میرسند، حتی در مقیاسهای دلخواهِ ریز نیز درهمتنیدهاند؛ ازاینرو تعیین نقطهٔ شروع با دقت بیشتر، بهبود اندکی در پیشبینی ایجاد میکند.
این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درجشده تنظیم شدهاند؛ صحت مستقل همه ادعاها تضمین نمیشود.
منبع: Nature Machine Intelligence — مشاهده منبع اصلی ↗
رد این داستان در رادار
خبرهای مرتبط از آرشیو منتشرشده