غیر واضح سیکھنے کے لیے مشین سیکھنے کی ایک شاخ ہے جس میں معلومات کے بغیر معلوماتی معلومات کی تربیت کرنے والے Alphals کو استعمال کیا جا سکتا ہے ۔

سیکھنے میں ناکام

غیر واضح سیکھنے میں ماڈلز نے مساوات اور گروہ بندی کی شناخت کے لیے اعداد و شمار کا تجزیہ کیا۔اس کے برعکس ، یہ معلومات کو سمجھنے میں معاونت کرنے والی معلومات پر انحصار نہیں کرتی۔ عام تکنیکوں میں شمارندی اور تناسب کی کمی شامل ہے جو دباؤ کے لیے تصاویری ڈیٹا کو چلانے میں مفید ہے۔

تصویر میں تصویر کا مطالعہ کرنا

غیر واضح الجبراً تصاویر جیسے کہ تصاویر اور اطراف کی ضروری خصوصیات سیکھ سکتے ہیں، غیر محفوظ تصاویر کے بڑے مجموعے کو ترتیب دیتے ہوئے یہ خصوصیات اس وقت زیادہ تر رائج تصاویر بنانے کے لیے استعمال کی جا سکتی ہیں، فائل سائز کو برقرار رکھتے ہوئے فائل کی مقدار کو کم کرنے کے لیے۔

ایسے ٹیکنیکے خاص طور پر مؤثر ہیں انہوں نے ذیلی تقسیم شدہ فضاء میں تصاویر کو دبا کر ان کو کم از کم نقصان سے لیس کیا. غیربلڈ ڈیٹا پر ٹریننگ آٹونکوڈرز کو قابلِ عمل بنانے کے لیے ماڈل کو ڈیٹا سیٹ تک پہنچانے کے قابل بنایا گیا ہے۔

فوائد اور مشکلات

تصاویر کے دباؤ کے لئے غیر واضح سیکھنے سے فائدہ حاصل ہوتا ہے جیسےکہ مختلف تصاویر کی مدد اور ان کے اعدادوشمار کو کم کرنے کے لئے ضروری ہے ۔

  • دباؤ کا زیادہ امکان
  • اعدادوشمار پر بھروسا کم کرنے والے
  • پیچیدہ خصوصیات سیکھنے کیلئے درکار
  • حقیقی وقت کے اطلاقات کے لیے درخواست