مدلهای هوش مصنوعی معمولاً در یادگیری دستههای کمیاب (مثل تشخیص بیماریهای نادر یا خطاهای صنعتی) دچار مشکل میشوند چون دادههای اکثریت، تمرکز مدل را از بین میبرند.
محققان در یک پژوهش جدید، تابع زیان نوآورانه «LDAL» را معرفی کردهاند که به جای تکیه بر تعداد ثابت دادهها، روی «دینامیک یادگیری» تمرکز میکند. این مدل بهصورت هوشمند و لحظهای، وزن کلاسها را بر اساس میزان یادگیری شبکه و پیچیدگی هر کلاس تنظیم میکند تا دقت مدل در دستههای کمیاب به شدت افزایش یابد.
این روش نه تنها بار محاسباتی اضافه ندارد، بلکه راهکاری بسیار کارآمد برای آموزش مدلهای بینایی ماشین در دنیای واقعی است. 🚀
منبع: arXiv Computer Vision