التعلم المجمّع المُعدّل ذاتيًا للتصنيف الصوتي والصوتيات

يُعرف أن دمج نماذج التعلم الآلي المتعددة في مجموعة (Ensemble) يُحقق مستويات أداء أفضل مقارنةً بالنماذج الفردية التي تشكل هذه المجموعة. وذلك لأن النماذج يمكن أن تكمل بعضها البعض في اتخاذ قرارات أكثر دقة. بدلًا من مجرد دمج النماذج، نقترح خطة تعلم جماعي ذاتية التدرج (Self-Paced Ensemble Learning)، حيث تتعلم النماذج من بعضها البعض عبر عدة تكرارات. خلال عملية التعلم ذاتية التدرج المستندة إلى التسمية الوهمية (Pseudo-labeling)، لا يُعزز الأداء الفردي للنماذج فحسب، بل يكتسب أيضًا التجميع معرفة حول المجال المستهدف. ولإثبات عامة النموذج المقترح للتعلم الجماعي ذاتي التدرج (SPEL)، أجرينا تجارب على ثلاث مهام صوتية. تُظهر النتائج التجريبية أن SPEL يتفوق بشكل ملحوظ على النماذج الجماعية الأساسية. كما نُظهر أن تطبيق التعلم ذاتي التدرج على النماذج الفردية أقل فعالية، مما يؤكد الفكرة القائلة بأن النماذج داخل المجموعة تتعلم فعليًا من بعضها البعض.