هوش مصنوعی
AutoHebb: شبکه‌های عصبی خودتغییردهنده برای استنباط بدون نمونه و یادگیری پیوسته
پیش‌چاپی در arXiv چارچوبی به نام AutoHebb معرفی می‌کند که هدفش نزدیک‌کردن شبکه‌های عصبی به دو توانایی شناختیِ استنباط در موقعیت‌های تازه و یادگیری پیوسته است.
پژوهشگران در پیش‌چاپ AutoHebb، دسته‌ای از شبکه‌های پیش‌خور با یادگیری برخط را معرفی کرده‌اند که برای استنباط بدون نمونه (Zero-shot Inference) و یادگیری پیوسته طراحی شده‌اند. چکیدهٔ مقاله می‌گوید مدل‌های پیشین معمولاً دو ویژگی مهم برای این توانایی‌ها را ندارند: سوگیری‌های استقرایی قوی برای استنباط در موقعیت‌های تازه و کنترل خودکار فرایند یادگیری برای یادگیری پیوسته.
به‌گفتهٔ نویسندگان، پیچیدگی بیش‌ازحد می‌تواند تحلیل مدل‌ها را دشوار کند و طراحی بیش‌ازحد اختصاصی نیز ممکن است کاربردشان را به وظایف محدود کند. چکیدهٔ در دسترس جزئیات بیشتری دربارهٔ سازوکار AutoHebb یا نتایج ارزیابی آن ارائه نمی‌دهد. این مقاله نسخهٔ پیش‌چاپ است.
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