در سیستمهای حساس مثل شبکههای مخابراتی یا رباتیک، کوچکترین تغییر در رفتار سیستم میتواند منجر به خطا شود. تا امروز روشهایی برای شناسایی این نقاط تغییر وجود داشت، اما مشکل اصلی این بود که دادههای معیوب یا نویز دار باعث میشد سیستمها دقت خود را از دست بدهند.
محققان با معرفی متد جدید «W-CONCH» و «W-CROC»، راهکاری ارائه دادهاند که نه تنها نقاط تغییر در سیستم را شناسایی میکند، بلکه با استفاده از یادگیری عمیق، دادههای آلوده (Outliers) را وزندهی کرده و تأثیر آنها را به حداقل میرساند. این یعنی افزایش دقت و اعتماد در سیستمهای پایش هوشمند حتی در شرایطی که دادهها بینقص نیستند! 🤖⚙️
منبع: arXiv Machine Learning