HyperAIHyperAI

Command Palette

Search for a command to run...

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

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.


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp