محققان در یک مطالعه جدید، روشی نوآورانه برای بهبود تحلیل مولفههای اصلی (PCA) در مواجهه با دادههای پیچیده و نویزدار ارائه کردهاند. روش کلاسیک PCA به دلیل تکیه بر واریانس، در برخورد با دادههای «دمسنگین» (Heavy-Tailed) که حاوی نویزهای شدید هستند، آسیبپذیر است.
این مقاله با معرفی یک مدل جدید مبتنی بر «لگاریتمیک لاس»، راهکاری برای استخراج ویژگیهای دقیق از دادههایی که واریانس نامتناهی دارند، پیشنهاد داده است. این دستاورد میتواند در حوزههایی مثل حذف نویز از تصاویر و پردازش آماری پیشرفته، دقت خروجی مدلهای هوش مصنوعی را بهطور قابل توجهی افزایش دهد. 🧠✨
منبع: arXiv Machine Learning