محققان در پژوهش جدیدی، روشی نوآورانه برای «دستهبندی چندکلاسه» بدون نیاز به دادههای برچسبدار (Label-free) ارائه کردهاند. در بسیاری از سناریوهای واقعی، دسترسی به برچسبهای دقیق غیرممکن است؛ این متد جدید با استفاده از «هندسه سیمپلکس»، به مدل اجازه میدهد تا با مشاهده نمونههای ترکیبی و بدون دانستن نسبت دقیق کلاسها، ساختار نهفته آنها را کشف کند. این دستاورد میتواند تحولی در آموزش مدلهای هوش مصنوعی با دادههای نویزدار و بدون برچسب در حوزههایی مثل تصویربرداری علمی ایجاد کند. 📊🤖
منبع: arXiv AI