محققان در یک پژوهش جدید، رویکرد هوشمندانهای برای بهینهسازی «یادگیری خودگام» (Self-Paced Learning) معرفی کردهاند. روش جدید که UASPL نام دارد، با ترکیب «شبکههای عصبی شواهدی» (Evidential Neural Networks) و مفهوم عدمقطعیت، به مدلها کمک میکند تا در فرآیند یادگیری، انتخاب دادههای آموزشی را با دقت و قابلیت اطمینان بیشتری انجام دهند.
این روش نه تنها عملکرد مدلها در دستهبندی دادهها را بهبود میبخشد، بلکه باعث میشود فرآیند انتخاب نمونههای آموزشی برای مدل کاملاً قابل تفسیر باشد. اگر به دنیای آموزش مدلهای یادگیری عمیق علاقه دارید، کد این پروژه در گیتهاب در دسترس است.
منبع: arXiv Machine Learning
