تطوير خوارزمية جديدة لتحسين دقة المركبات غير المأهولة والتشخيص الطبي في جامعة روسية
أعلنت جامعة روسية متخصصة في العلوم والتكنولوجيات عن تطوير خوارزمية جديدة من شأنها أن تُحدث نقلة نوعية في مجال المركبات غير المأهولة والتشخيص الطبي. وتهدف هذه الخوارزمية إلى تحسين القدرة على التمييز بين العناصر غير المحددة والتحف الرسومية، مما يعد خطوة مهمة في التكنولوجيا الحديثة.
وذكرت الجامعة أن الزيادة المتسارعة في حجم البيانات أدت إلى ظهور حاجة ملحة لتطوير شبكات عصبية موثوقة، يمكنها تصنيف الكائنات الجديدة بفعالية والتعرف على الضوضاء التقنية التي تترافق مع معالجة الصور. هذا التطور يأتي في وقت تشهد فيه قطاعات متعددة اعتمادية متزايدة على الذكاء الاصطناعي.
عمل فريق من الباحثين بالتعاون مع طلاب من جامعة MISIS ومعهد موسكو العلي للفيزياء التقنية على حل هذه التحديات عبر تطوير مجموعة من الشبكات العصبية المسماة SDDE (المجموعات العميقة المتنوعة المتميزة). حيث تتكون هذه الشبكات من عدة نماذج تم تدريبها على مجموعات فرعية من قواعد البيانات، مما يتيح لها التركيز على الخصائص الفريدة للصور والاستجابة بدقة.
قال مكسيم جدانوف، أحد مصممي الخوارزمية وطالب السنة الثالثة في معهد علوم الكمبيوتر بجامعة MISIS، إن نظام SDDE قد أثبت تفوقه في الأداء مقارنة بالخوارزميات الأخرى. وأوضح قائلا “لقد اقترحنا طريقة جديدة لتنويع المجموعات مما أدى إلى تحسين دقة تقييم الشبكة العصبية عند اكتشاف البيانات غير المعتادة. هذا التطور ذو أهمية خاصة عند التطبيق في أوضاع العالم الحقيقي.”
وأضاف جدانوف “على سبيل المثال، يجب على أنظمة القيادة الذاتية اكتشاف المخاطر على الطريق بدقة للمساعدة في تجنب الحوادث. كما يتطلب التشخيص الطبي الفعال وجود قواعد بيانات واسعة النطاق، حيث أن النماذج غير المعايرة قد تميل إلى الثقة المفرطة في افتراضاتها الخاطئة. شبكتنا العصبية تتميز بأنها لا تتسم بالثقة المفرطة، مما يسمح لها بتقييم حساباتها بشكل أكثر دقة وملاءمة.”
المصدر نوفوستي