HyperAIHyperAI
منذ 2 أشهر

التنوع في الأخطاء مهم: طريقة مجمّعة مقاومة للأخطاء لتحليل الاعتماد غير المشرف

Behzad Shayegh; Hobie H.-B. Lee; Xiaodan Zhu; Jackie Chi Kit Cheung; Lili Mou
التنوع في الأخطاء مهم: طريقة مجمّعة مقاومة للأخطاء لتحليل الاعتماد غير المشرف
الملخص

نتناول مشكلة تحليل الارتباطات بدون إشراف من خلال بناء مجموعة متنوعة من النماذج الموجودة عن طريق تجميع بنيات التحليل الارتباطي التي تنتجها هذه النماذج بطريقة ما بعد الحدث. نلاحظ أن هذه المجموعات غالباً ما تعاني من انخفاض في المتانة ضد المكونات الضعيفة للمجموعة بسبب تراكم الأخطاء. لمعالجة هذه المشكلة، نقترح نهجاً فعالاً لاختيار المجموعات يأخذ بعين الاعتبار تنوع الأخطاء ويتجنب تراكمها. تظهر النتائج أن نهجنا يتفوق على كل نموذج فردي وعلى التقنيات السابقة للمجموعات. بالإضافة إلى ذلك، أظهرت تجاربنا أن طريقة اختيار المجموعات المقترحة تعزز بشكل كبير أداء ومتانة مجموعتنا، مما يتجاوز الاستراتيجيات المقترحة سابقًا والتي لم تأخذ بعين الاعتبار تنوع الأخطاء.

التنوع في الأخطاء مهم: طريقة مجمّعة مقاومة للأخطاء لتحليل الاعتماد غير المشرف | أحدث الأوراق البحثية | HyperAI