التجميع العنقودي للاحتمالات عبر الإنترنت العميق

الجمع بين التجميع الآلي والنماذج العميقة أظهر تفوقًا ملحوظًا في التجميع العميق. يعدل هذا النهج خط أنابيب معالجة البيانات إلى مرحلتين متناوبتين: تجميع السمات وتدريب النموذج. ومع ذلك، قد يؤدي هذا الجدول الزمني المتناوب إلى مشكلات عدم الاستقرار والعبء الحسابي. نقترح خوارزمية تجميع بلا مركز تسمى "التجميع بتجميع الاحتمالات" (PAC) لتكييف تقنيات التعلم العميق بشكل استباقي، مما يمكن من نشر سهل للتجميع العميق عبر الإنترنت. يتجنب PAC المركز ويتماشى الفضاء الاحتمالي والفضاء التوزيعي بتشكيل عملية التجميع كمشكلة تحسين باستخدام دالة هدف جديدة. بناءً على آلية الحساب الخاصة بـ PAC، نقترح وحدة تجميع احتمالي عامة عبر الإنترنت لتنفيذ تجميع السمات المستقر والمرن على بيانات الدفع الصغيرة (mini-batch)، ومن ثم بناء إطار عمل للتصور العميق بالتجميع العميق (DPAC). أثبتت التجارب الواسعة أن PAC يتمتع بقوة تجميع فائقة وأداءً متميزًا وأن DPAC يتفوق بشكل كبير على أفضل طرق التجميع العميقة المعروفة حاليًا.