31 aug. 2023 (Nanowerk Nieuws) Deep Learning (DL) voert classificatietaken uit met behulp van een reeks lagen. Om deze taken effectief uit te voeren, worden lokale beslissingen progressief over de lagen heen uitgevoerd. Maar kunnen we een allesomvattende beslissing nemen door het meest invloedrijke pad naar de output te kiezen in plaats van deze beslissingen lokaal uit te voeren? In een artikel gepubliceerd in Wetenschappelijke rapporten (“De nauwkeurigheid verbeteren door poolingbeslissingen naast de uitvoerlaag uit te voeren”), beantwoorden onderzoekers van de Bar-Ilan Universiteit in Israël deze vraag met een volmondig “ja”. Reeds bestaande diepe architecturen zijn verbeterd door de meest invloedrijke paden naar de uitvoer bij te werken.

[Ingesloten inhoud]

“Je kunt het zien als twee kinderen die een berg met veel bochten willen beklimmen. De één kiest bij elk kruispunt de snelste lokale route, terwijl de ander met een verrekijker het hele pad voor zich ziet en de kortste en belangrijkste route kiest, net als Google Maps of Waze. Het eerste kind krijgt misschien een voorsprong, maar het tweede zal uiteindelijk winnen”, zegt prof. Ido Kanter van Bar-Ilan's Department of Physics en Gonda (Goldschmied) Multidisciplinair Brain Research Center, die het onderzoek leidde. “Deze ontdekking kan de weg vrijmaken voor beter en verbeterd AI-leren, door de belangrijkste route naar de top te kiezen”, aldus Yarden Tzach, een promovendus en een van de belangrijkste bijdragers aan dit werk. Deze verkenning van een dieper begrip van AI-systemen van prof. Kanter en zijn experimentele onderzoeksteam, onder leiding van dr. Roni Vardi, heeft tot doel een brug te slaan tussen de biologische wereld en machinaal leren, en daarmee een verbeterd, geavanceerd AI-systeem te creëren. Tot nu toe hebben ze bewijs gevonden voor efficiënte dendritische aanpassing met behulp van neuronale culturen, en hoe ze deze bevindingen kunnen implementeren in machinaal leren, laten zien hoe ondiepe netwerken kunnen concurreren met diepe netwerken, en het mechanisme vinden dat ten grondslag ligt aan succesvol diep leren. Het verbeteren van bestaande architecturen met behulp van mondiale beslissingen kan de weg vrijmaken voor verbeterde AI, die de classificatietaken kan verbeteren zonder dat er extra lagen nodig zijn.

• Door SEO aangedreven content en PR-distributie. Word vandaag nog versterkt.
• PlatoData.Network Verticale generatieve AI. Versterk jezelf. Toegang hier.
• PlatoAiStream. Web3-intelligentie. Kennis versterkt. Toegang hier.
• PlatoESG. Automotive / EV's, carbon, CleanTech, Energie, Milieu, Zonne, Afvalbeheer. Toegang hier.
• Plato Gezondheid. Intelligentie op het gebied van biotech en klinische proeven. Toegang hier.
• ChartPrime. Verhoog uw handelsspel met ChartPrime. Toegang hier.
• BlockOffsets. Eigendom voor milieucompensatie moderniseren. Toegang hier.
• Bron: https://www.nanowerk.com/news2/robotics/newsid=63567.php