תהליך חדירה מהפכני בתחום המחקר בלמידת מכונה יילד את אלגוריתם הפונקציות העצמיות האוניברסליות (UNFs). בולט בפיתוחו של צוות משותף מ-Google DeepMind ואוניברסיטת סטנפורד, אלגוריתם המהפך הזה מציע פתרון חדשני לאתגרים הנתונים על ידי תכונות מרחב המשקלים ברשתות עצביות.
עקרון היסוד שעומד מאחורי UNFs הוא השמירה על יותר הזהות בפעולת הרכב, שמאפשרת את בניית המודלים העמוקים ההכרבאונרוואריאנטים. על ידי שימוש בפעולות פשוטות של מערך ושכבות מרובות עם לא-לינאריוות נקודתית, מסגרת של המסד UNFs באופן אוטומטי מציבה ליד הצד מפות הכוננות סידוריות בין נגזרונים אובילמיים רבי-סדר. הדבר פותח דרך עבור יצירה של דגמים עמוקים, סדריים-סדריים שעושים שימוש מעולה בעיבוד של משקלים.
בנוסף לדגמים אוביבריאנטיים, UNFs גם מאפשרת בניית דגמים אינוואריאנטיים. על ידי שילוב שכבות אוביבריאנטיות עם פעולת פילוט אינוואריאנטית, הדגמים האלו יכולים להישאר עמידים נגד סידורים שונים. ביחד, ההתקדמויות האלו מרחיבות את טווח היישומים לדגמי מרחב כוח בלמידת מכונה.
The source of the article is from the blog newyorkpostgazette.com