RMDL: التعلم العميق متعدد النماذج العشوائية للتصنيف

يُلزِم الارتفاع المستمر في عدد المجموعات البيانات المعقدة كل عام تحسينًا مستمرًا في طرق التعلم الآلي لتصنيف هذه البيانات بشكل قوي ودقيق. يُقدِّم هذا البحث مفهوم التعلم العميق متعدد النماذج العشوائي (RMDL): وهو نهج جديد للتعلم العميق بالجمع (ensemble) يستخدم في التصنيف. حققت نماذج التعلم العميق أفضل النتائج الحالية في العديد من المجالات. يحل RMDL مشكلة العثور على أفضل هيكلية وتصميم للتعلم العميق، مع تحسين القوة والدقة من خلال الجمع بين تصاميم التعلم العميق المختلفة. يمكن لـ RMDL قبول أنواع مختلفة من البيانات كمدخلات، بما في ذلك النصوص، الفيديوهات، الصور، والرموز. يصف هذا البحث RMDL ويظهر نتائج الاختبار للبيانات المرئية والنصية، بما في ذلك MNIST، CIFAR-10، WOS، Reuters، IMDB، و 20newsgroup. تُبيِّن هذه نتائج الاختبار أن RMDL ينتج أداءً أفضل بشكل متسق مقارنة بالطرق التقليدية عبر نطاق واسع من أنواع البيانات ومعالجات التصنيف.