İkiqat qat üsulu

İki qatlı üsul Gracia paradiqmasının və dərin öyrənmə modellərinin üstünlüklərini birləşdirən maşın öyrənməsi problemlərini həll etmək üçün innovativ üsuldur. Bu üsul 2019-cu ildə Koreya Respublikasının Seul Universitetinin İnteqrasiya Elmləri və İdarəetmə İnstitutunun tədqiqatçılar qrupu tərəfindən hazırlanıb.

Metodun əsas ideyası verilənlərin iki təbəqəyə bölünməsidir: birinci təbəqə məhdud sayda klasterləri - əsas vektorları, ikincisi isə tam məlumat nümunəsini ehtiva edir. İki qatlı metodun əsas məqsədi yüksək ölçülü verilənləri elə təbəqələrə bölməkdir ki, birinci təbəqənin əsas vektorları onların öyrədildiyi yüksək ölçülü məlumat klasterləri ilə əlaqələndirilsin. Beləliklə, proqnozlaşdırma modelləri öyrədilmiş əsas vektorlara və çoxlu baza təbəqələrinə (məsələn, xətti model və ya logistik reqressiya) əsaslanaraq hazırlana bilər.

İki qatlı yanaşmanın özəlliyi onun çevikliyi və çox yönlü olmasıdır. O, çoxlu problemlərə tətbiq oluna bilər və böyük həcmli məlumatlarla yaxşı işləyir. Bundan əlavə, bu üsul proqnozlaşdırmanın dəqiqliyini əhəmiyyətli dərəcədə yaxşılaşdırır, xüsusən məlumatların xətti olaraq ayrılmadığı hallarda. Bir qayda olaraq, proqnozlaşdırılan dəyərlər birinci və ikinci təbəqələrin əsas vektorlarının koordinatlarının qoşa kəsişməsi əsasında hesablanır, bunun nəticəsində məlumat elementləri arasında gizli korrelyasiyaları müəyyən etmək mümkündür.

İki qatlı yanaşmanın tətbiq oluna biləcəyi problemlərin nümunələrinə baxaq: 1. Əvvəlki ölçmələrin nəticələrinə əsasən verilənlərin təsnifatı və proqnozlaşdırılması. Bu zaman metodun birinci mərhələsi cari ölçmələrin təsnifatıdır, ikinci mərhələdə isə məkan-zaman korrelyasiyası nəzərə alınmaqla bu ölçmələr arasında əlaqələr tapılır. 2. Qabaqcıl müalicə üsulları. Maşın öyrənməsi müalicə üçün xəstə məlumatlarının qabaqcıl təhlilini təmin etmək üçün güclü bir vasitə kimi xidmət edir. Məsələn, tibbdə müxtəlif xəstəliklər üçün optimal dərman birləşmələrini müəyyən etmək üçün dərman birləşməsinin qrafiki kimi vasitələrdən istifadə edilə bilər. Fərdi tibb üçün iki qatlı üsullar effektiv şəkildə istifadə olunur.

İki qatlı maşın öyrənmə arxitekturasının üstünlükləri:

Mövcud təcrübəyə güvənmək əvəzinə, məlumatların və məkanın abstraksiyalarının öz təmsillərini quran Grazia-nın dərin öyrənmə metodlarından fərqli olaraq, iki qatlı arxitektura artıq sistemə daxil edilmiş mövcud təcrübə ilə əlaqə təmin edir, metodun özü dərin öyrənmədən daha sadədir. , yəni. işləmək üçün daha az mürəkkəbdir, daha az hesablama mürəkkəbliyinə və daha az hesablama ehtiyacına malikdir (və buna görə də onu qurmaq üçün daha az hesablama resursları sərf edir) və hələ də proqnozlaşdırma problemlərində çox yaxşı nəticələr əldə etməyə qadirdir. Müəyyən edilmişdir ki, dəqiq ilkin fərziyyələr olmadıqda, ikiqatlı modellər, hətta müvafiq regionun strukturu haqqında əvvəlcədən məlumat olmasa belə, ümumiyyətlə, alternativ metodlardan daha yaxşı işləyir. İlkin konfiqurasiyadakı kiçik fərqlər yəqin ki, bunu göstərir