محققان در یک پژوهش تازه، معماری جدیدی را برای شبکههای عصبی معرفی کردهاند که میتواند انقلابی در نحوه پردازش دادههای پیچیده ایجاد کند.
این مدل که با نام «IFGRVFL-MV» شناخته میشود، سه قابلیت کلیدی را با هم ترکیب کرده است:
1️⃣ استفاده از «مجموعههای فازی شهودی» برای مدیریت هوشمند عدم قطعیتها و کاهش خطای ناشی از دادههای پرت (Outliers).
2️⃣ به کارگیری «تعبیه گراف» (Graph Embedding) برای درک بهتر ساختارهای هندسی و توپولوژیک دادهها.
3️⃣ استفاده از «یادگیری چندنمایی» (Multiview Learning) برای بهرهگیری از اطلاعات مکمل از فضاهای مختلف ویژگی.
نتایج آزمایشها نشان میدهد که این مدل در دقت دستهبندی دادهها، عملکرد بسیار بهتری نسبت به روشهای سنتی دارد. این دستاورد یک گام بزرگ برای محیطهایی است که با ابهام و چندین منبع اطلاعاتی سروکار دارند. 💡
منبع: arXiv Machine Learning