Eloss في الطريق: مقياس جودة إدخال حساس للقيادة الذكية

مع التزايد المستمر في تعقيد بيئة المرور، تزداد أهمية الإدراك الآمن في القيادة الذكية. تركز الطرق التقليدية في مجال الإدراك القوي للقيادة الذكية على تدريب النماذج باستخدام بيانات غير طبيعية، مما يتيح للشبكة العصبية العميقة اتخاذ قرارات حول كيفية التعامل مع هذه الشذوذات. ومع ذلك، لا تتمكن هذه النماذج من التكيف بسلاسة مع البيئات الواقعية المتنوعة والمعقدة. يقترح هذا البحث نوعًا جديدًا من المقاييس يُعرف بـ Eloss، ويقدّم استراتيجية تدريب مبتكرة لتمكين نماذج الإدراك من منظور كشف الشذوذات. تم تصميم Eloss استنادًا إلى تفسير طبقات ضغط المعلومات في نموذج الإدراك. وبشكل خاص، مستوحى من تصميم نظام الاتصالات، توجد توقعان في عملية نقل المعلومات داخل الشبكة المُضغِطة للمعلومات: الأول هو استقرار كمية المعلومات، والثاني هو استمرار انخفاض الإنتروبيا المعلوماتية. ومن ثم يمكن استخلاص Eloss وفقًا لهذه التوقعات، مما يوجه تحديث معاملات الشبكة المرتبطة، ويُنتج مقياسًا حساسًا لاكتشاف الشذوذات مع الحفاظ على أداء النموذج. تُظهر تجاربنا أن Eloss يمكنه الانحراف عن القيمة القياسية بمقدار يتجاوز 100 عند استخدام بيانات شاذة، كما يُنتج قيمًا متميزة حتى للفئات المتشابهة ولكنها مختلفة من الشذوذات، مما يدل على فعالية الطريقة المقترحة. يمكن الوصول إلى الكود الخاص بنا من خلال: (الكود متاح بعد قبول المقال).