محققان به تازگی چارچوب جدیدی به نام «MVGIFBLS» ارائه کردهاند که با ترکیب سه تکنیک پیشرفته (یادگیری چند-نمایی، جاسازی گراف و منطق فازی شهودگرایانه)، عملکرد مدلهای Broad Learning System (BLS) را به سطح بالاتری ارتقا میدهد.
چرا این روش خاص است؟
✅ افزایش دقت در برخورد با دادههای دارای نویز و ناهنجار (Outliers).
✅ بهرهگیری از ساختار هندسی دادهها برای دستهبندی بهتر کلاسها.
✅ سازگاری بالا برای ترکیب اطلاعات از منابع مختلف.
این تحقیق نشان میدهد که میتوان با ادغام این روشها، به نتایج دقیقتری در تحلیلهای پیچیده دادهای رسید و پایداری مدل را در محیطهای واقعی به شدت افزایش داد.
منبع: arXiv Machine Learning