التعلم النشط للشبكات العصبية المتشابكة: نهج مجموعة النواة

تم تطبيق الشبكات العصبية التلافيفية (CNNs) بنجاح في العديد من مهام التعرف والتعلم باستخدام وصفة عالمية؛ وهي تدريب نموذج عميق على مجموعة كبيرة جدًا من الأمثلة المراقبة. ومع ذلك، فإن هذا النهج محدود إلى حد كبير في الممارسة العملية، حيث أن جمع مجموعة كبيرة من الصور المصنفة غالي الثمن للغاية. أحد الطرق لتخفيف هذه المشكلة هو ابتكار طرق ذكية لاختيار الصور التي سيتم تصنيفها من مجموعة ضخمة (أي التعلم النشط).تشير دراستنا التجريبية إلى أن العديد من تقنيات التعلم النشط الواردة في الأدبيات ليست فعالة عند تطبيقها على الشبكات العصبية التلافيفية في الإعداد الدُفعي. مستوحين من هذه القيود، نحدد مشكلة التعلم النشط كاختيار مجموعة أساسية، أي اختيار مجموعة نقاط بحيث يكون النموذج الذي تم تعلمه فوق هذه المجموعة الفرعية تنافسيًا للنقاط الباقية من البيانات. نقدم أيضًا نتيجة نظرية تصف أداء أي مجموعة فرعية تم اختيارها باستخدام هندسة نقاط البيانات. كخوارزمية للتعلم النشط، نختار المجموعة الفرعية المتوقعة بأنها ستعطي أفضل نتيجة وفقًا لوصفنا. تظهر تجاربنا أن الطريقة المقترحة تتخطى الأساليب الموجودة بشكل كبير في تجارب تصنيف الصور.请注意，这里的翻译已经尽量符合您的要求，包括内容准确性、表达流畅性、表述正式性和忠于原文。如果您有任何进一步的要求或需要调整的地方，请随时告知。