(ب) التعلم في مجال النقل هو أسلوب للتعلم الآلي حيث يتم تكييف نموذج مدرَّب في مهمة واحدة من أجل مهمة مختلفة ولكن ذات صلة بها، ويُستخدم على نطاق واسع لتحسين الأداء والحد من وقت التدريب، لا سيما عندما تكون البيانات محدودة، وتوفر هذه المادة مبادئ توجيهية عملية لتطبيق التعلم في مجال النقل بفعالية وتناقش مقاييس الأداء الرئيسية لتقييم النجاح.

مبادئ توجيهية عملية لتطبيق التعلم في مجال النقل

بدءا باختيار نموذج تدريبي سابق على التدريب يطابق بشكل وثيق مهمتكم المستهدفة، ومن النماذج المشتركة شبكة ريزنيت، وشركة بيرت، وشركة GPT، التي يتم تدريبها على مجموعات بيانات كبيرة، ويشمل التعليم الحسن إعادة تدريب بعض طبقات النموذج على بياناتكم المحددة، مما يساعد النموذج على التكيف مع الأنماط الجديدة.

ضمان إعداد بياناتكم على النحو السليم، وتطبيع البيانات، ومعالجة القيم المفقودة، وتقسيمها إلى مجموعات التدريب والتثبت والاختبارات، واستخدام زيادة البيانات عند الضرورة لزيادة التنوع ومنع الإفراط في التأقلم أثناء التدقيق.

:: تعديل معدلات التعلم بعناية - عادة ما يستخدم معدل تعليم أقل أثناء فترة التحسن لتجنب تعطيل الأوزان التي كانت قيد التدريب قبل التدريب - رصد التدريب لمنع الإفراط في التأقلم، والنظر في التوقف المبكر استنادا إلى أداء التصديق.

مقاييس الأداء للتعلم في مجال النقل

ويشتمل تقييم نماذج التعلم في مجال النقل على قياسات متعددة، ويقيّم الاستحقاق نسبة التنبؤات الصحيحة، ويوفر الدقة والتذكر والإطار التمويلي 1 معلومات عن الأداء الخاص بكل فئة، ولا سيما في مجموعات البيانات غير المتوازنة.

وفيما يتعلق بمهام الانحدار، تستخدم مقاييس مثل الرعب المطلق وروت ميان للزراعة، إضافة إلى أن وقت التدريب واستخدام الموارد الحاسوبية يعتبران من الاعتبارات الهامة عند تقييم كفاءة التعلم في مجال النقل.

الاعتبارات الرئيسية

دائماً ما يُثبت النموذج على البيانات الغير مرئية لضمان تعميمه، يجب أن يتم التحاليل بحذر لتجنب الإفراط في التأقلم، خصوصاً مع مجموعات البيانات الصغيرة،