Фото: depositphotos

Цей алгоритм вирішує одну з головних проблем машинного навчання — неправильне сприйняття симетрії, коли, наприклад, обернене зображення молекули розглядається як новий об'єкт, а не як та сама структура.

Про це повідомляє MIT News.

Метод поєднує елементи алгебри та геометрії, що дає змогу моделі не тільки розпізнавати симетрії, але й враховувати їх у процесі навчання. Згідно з поясненням аспіранта MIT Бехруза Тахмасебі, новий алгоритм є ефективним з точки зору використання обчислювальних ресурсів і обсягу даних, що дозволяє досягати високої точності, при цьому зменшуючи кількість необхідних навчальних вибірок.

На відміну від існуючих графових нейронних мереж, які частково враховують симетрію, цей підхід дає глибше розуміння того, як обробляти такі дані. Новий алгоритм має широке застосування в різних наукових сферах, таких як матеріалознавство, астрономія та кліматологія.

Результати дослідження були представлені на Міжнародній конференції з машинного навчання. Автори дослідження сподіваються, що їхня робота сприятиме створенню більш точних і менш ресурсоємних моделей ШІ для наукових і прикладних задач.

Нагадаємо, китайська компанія випустила людиноподібного робота з ШІ

Юлія Педюк - pravdatutnews.com