محققان در مقاله جدید خود به سراغ چالش مقیاسپذیری در مدلهای «مخلوط فرآیند دیریکله» (Dirichlet Process Mixture) رفتهاند. این روش جدید که از «اطلاعات فیشر» (Fisher Information) برای تنظیم خودکار نرخ یادگیری (Stepsize) استفاده میکند، سرعت آموزش مدل را بدون کاهش کیفیت، به میزان قابلتوجهی افزایش میدهد.
این نوآوری به مدلها اجازه میدهد با دادههای حجیم بهتر کار کنند و با معماریهای مدرن نظیر شبکههای عصبی کانولوشن (ConvNet) نیز بهخوبی سازگار شوند.
منبع: arXiv Machine Learning