الانحدار الرتبوي العميق باستخدام خسارة النقل المثلى واحتمالات الإخراج أحادية الوضع

غالبًا ما يُرغب في أن تقدم نماذج الانحدار الترتيبي تنبؤات أحادية الوضع (Unimodal). ومع ذلك، فإن هذه الخاصية إما غائبة في العديد من الأعمال الحديثة، أو يتم تنفيذها باستخدام أهداف ناعمة (Soft Targets)، والتي لا تضمن إخراج تنبؤات أحادية الوضع أثناء الاستدلال. بالإضافة إلى ذلك، نعتقد أن الهدف التقليدي للاحتمال الأقصى ليس مناسبًا لمشاكل الانحدار الترتيبي، وأن النقل الأمثل أفضل لهذا المهمة لأنه يلتقط بشكل طبيعي ترتيب الفئات.في هذا العمل، نقترح إطارًا للانحدار الترتيبي العميق يستند إلى توزيع الإخراج أحادي الوضع وخسارة النقل الأمثل. مستوحىً من النموذج الشهير للفرص التناسبية (Proportional Odds Model)، نقترح تعديل تصميمه باستخدام آلية معمارية تضمن أن يكون توزيع الإخراج للنموذج أحادي الوضع. قمنا بتحليل مختلف مكونات النهج المقترح بشكل تجريبي وثبتنا مساهمتها في أداء النموذج. تظهر النتائج التجريبية على ثماني مجموعات بيانات حقيقية أن نهجنا المقترح يؤدي بشكل ثابت على قدم المساواة مع وأفضل غالبًا من عدة نماذج تعلم عميقة مقترحة حديثًا للانحدار الترتيبي العميق مع احتمالات إخراج أحادية الوضع، مع ضمان أحادية وضع الإخراج. بالإضافة إلى ذلك، ثبت أن النهج المقترح أقل ثقة زائدة من الأساليب الحالية المستخدمة كأساس للمقارنة.