یادگیری ماشین سیال چیست؟

به گزارش «نبض فناوری»، نوع جدید شبکه عصبی می تواند به تصمیم گیری در رانندگی خودکار و تشخیص پزشکی کمک کند.

محققان موسسه فناوری ماساچوست نوعی شبکه عصبی ایجاد کرده اند؛ که نه فقط در مرحله آموزش بلکه در حین کار یاد می گیرد. این الگوریتم های انعطاف پذیر، شبکه های «liquid» نامیده می شوند؛ معادلات اساسی خود را تغییر می دهند تا به طور مداوم با ورودی های داده جدید سازگار شوند. این پیشرفت می تواند به تصمیم گیری مبتنی بر جریان داده هایی کمک کند که با گذشت زمان تغییر می کنند؛ از آن ها می توان تشخیص پزشکی و رانندگی خودکار را نام برد.

به گفته رامین حسنی محقق اصلی این تحقیق، داده های سری زمانی در همه جا وجود دارند و برای درک ما از جهان حیاتی هستند. وی به پردازش ویدئو، داده های مالی و برنامه های تشخیص پزشکی به عنوان نمونه ای از سری های زمانی اشاره دارد که در جامعه بسیار مهم هستند. دامنه های این جریان داده های همیشه در حال تغییر می تواند غیرقابل پیش بینی باشد. با این حال تجزیه و تحلیل این داده ها در زمان واقعی و استفاده از آنها برای پیش بینی رفتار آینده، می تواند توسعه فناوری های نوظهور مانند اتومبیل های خودران را تقویت کند.

حسني يك شبكه عصبي طراحي كرده كه مي تواند با تنوع سيستم هاي دنياي واقعي سازگار شود. شبکه های عصبی الگوریتمی هستند که با تجزیه و تحلیل مجموعه ای از مثال های آموزش الگوها را تشخیص می دهند. اغلب گفته می شود که آنها مسیرهای پردازش مغز را تقلید می کنند این سیستم فقط 302 نورون در سیستم عصبی خود دارد؛ اما می تواند پویایی پیچیده و غیرمنتظره ای را ایجاد کند.

حسنی با دقت در نحوه فعال سازی سلولهای عصبی و برقراری ارتباط با آنها از طریق تکانه های الکتریکی، شبکه عصبی خود را کدگذاری کرد. حسنی اعلام کرد که سیال بودن شبکه «liquid» باعث انعطاف پذیری بیشتر در برابر داده های غیر منتظره یا نویز دار می شود( مانند باران شدید دید  که دید دوربین روی اتومبیل خودران را پنهان می کند).

این تحقیق در همایش هوش مصنوعی AAAI ونکور که از 2تا9 فوریه در ونکور برگزار خواهد شد؛ ارائه خواهد شد.