محققان در مقاله جدیدی به سراغ حل مشکل کمبود داده در آموزش مدلهای یادگیری عمیق رفتهاند. آنها با معرفی رویکردی جدید به نام V-GIB، مفهوم «هندسه فضای نهفته» (Latent Geometry) را مستقیماً وارد فرآیند آموزش مدل کردهاند.
در این روش، مدل علاوه بر یادگیری وظیفه اصلی، با جریمه کردن پیچیدگیهای غیرضروری (مثل انحنا و ابعاد اضافی)، یاد میگیرد که بازنماییهای دقیقتر و بهینهتری ایجاد کند. نتایج آزمایشها روی مجموعهدادههایی مثل CIFAR-10 نشان میدهد که این متد جدید میتواند در شرایطی که دادههای برچسبدار بسیار محدودی در اختیار داریم، عملکرد مدل را به شکل چشمگیری بهبود ببخشد. 🧠✨
منبع: arXiv Machine Learning
