دانشجوي دكتراي رشته مهندسي فناوري اطلاعات در پژوهشگاه علوم و فناوري اطلاعات ايران در گفت و گو با خبرنگار علمي ايرنا گفت: آشنايي بيشتر ما با فرآيند يادگيري و شناخت متغيرهاي آن، بهره مندي ما را افزايش مي دهد.
مهدي نخعي با بيان اينكه ماشين ها همچون انسان براي انجام هر كاري بايد آموزش ديده و علاوه بر آن داراي حافظه تجربي نيز باشند، افزود: ماشين ها قبل از انجام عملي نيازمند پيش پردازش، مدل سازي و پس پردازش هستند.
وي ادامه داد: به عنوان مثال وقتي ما از كارت حضور و غياب استفاده مي كنيم، به محض نزديك كردن آن به حسگر شماره كارت خوانده مي شود، بر اساس تعريفي كه شده است، مشخصات ما از حافظه رايانه استخراج و به جدولي منتقل مي شود، ساعت ورود، تاريخ و انواع نمادهاي مختلف به آن اضافه مي شود، قفل در باز شده و پس از عبور از آغاز تا پايان اين عمليات در چندين مكان (فايل) ثبت مي شود.
نخعي توضيح داد: داده ها و الگوريتم اين عمليات ريز به ريز براي ماشين تعريف شده است و در واقع ماشين ها توانايي كاري غير از اين را ندارند.
وي با بيان اين كه بحث يادگيري سال 1990 وارد دنياي ماشين ها شد، افزود: به كارگيري معماري فرا يادگيري روشي نوين در كنترل و انتخاب شيوه هاي بهتر براي يادگيري در ماشين هاست.
نخعي ادامه داد: يادگيري ماشين ها بر اساس الگوريتم هاي تعريف شده از قبل و داده هاي متغيير ورودي است، معماري فرا يادگيري در ماشين ها به معناي ماورا و سطح بالاتري از يادگيري نيست، بلكه هوشمند سازي انتخاب خودكار بهترين شيوه (الگوريتم) و بر اساس ويژگي هاي داده ها توسط خود ماشين است.
وي تاكيد كرد: كاربرد اين روش بر اساس ويژگي هاي داده ها است، در ابتدا با توجه به ويژگي داده ها ماشين از بين الگوريتم هاي موجود مناسب ترين را براي پردازش انتخاب مي كند.
اين محقق داده ها و اطلاعات ورودي به ماشين ها را داراي ويژگي هاي خاص منحصر به فرد دانست و گفت: چون معماري فرا يادگيري ماشين بر پايه يك سري از ويژگي ها و خصوصيات داده ها بنا شده است، در اين روش نيازمند شناسايي دقيق ويژگي هاي مجموعه داده هايي هستيم كه پردازش خواهند شد.
دانشجوي دكتراي مهندسي فناوري داده ها اظهار كرد: توجه به فرا ويژگي داده ها در كنار انتخاب الگوريتم يكي از پايه هاي بحث معماري فرا يادگيري در ماشين هاست كه جريان كاري يا پردازش را ايجاد مي كند.
نخعي افزود: در اين روش ويژگي هاي مشترك داده ها شناسايي و با روش ارزيابي، بهترين الگوريتم براي پردازش اطلاعات انتخاب مي شود، انجام خودكار ارزيابي الگوريتم و شناسايي ويژگي هاي براساس متغييرهاي دريافتي اساس كار معماري فرا يادگيري در ماشين هاست.
بوي تصريح كرد: اهميت سرعت و دقت پردازش در داده هاي آماري كم شمار مهم و محسوس نيست، اهميت اين شيوه جديد زماني است كه داده هاي آماري در محدوده چند ده ميليوني تعريف شده باشند.
علمي**1293**2017
تهران- ايرنا- يادگيري در دنياي ماشين ها، امري ساده و تابع عوامل تعريف شده و متغيرهاي محدود است؛ معماري فرايادگيري در ماشين ها راهي نو در ارتقاي سرعت و دقت پردازش هاي رايانه اي است.