يواصل كين ستانلي وزملاؤه استكشاف التمثيلات المجزأة. في هذا العمل حاولوا تعلمها من خلال النسب المتدرج الطبيعي (في الأعمال السابقة أظهروا أن GD لا يتعلمها). لإنجاح التعلم، أضفنا جهاز تشفير تلقائي ذكي (وجريء) قريب يتعلم بشكل انتقائي من أنقى الأمثلة.
هل الأجسام الطائرة المجهولة حقيقية؟ مقدمة إلى المنظمات المتحدة توماس إكس شيبرد، ألون ألبلاك، جويل ليمان، كينيث أو. ورقة ستانلي: مراجعة: الكود.
خلاصة القول: يؤدي فقدان المهمة القياسية إلى تقييد التمثيلات الداخلية للشبكة بشكل ضعيف. التدريب المشترك لجهاز التشفير التلقائي الانتقائي منخفض السعة على التنشيط الطبيعي يوجه المنحدر التنازلي إلى الأنماط الثابتة ويسرع التعميم المتأخر.
ماذا فعلوا: اقترح المؤلفون منظمات موحدة (UFOs)، وأجهزة تشفير تلقائية غير خطية متجاورة، تتعلم في الوقت نفسه إعادة إنتاج التنشيطات الكامنة الطبيعية أو الأوزان الانتباهية للشبكة الرئيسية. لمنع جهاز التشفير التلقائي من التكيف مع الميزات غير المنتظمة، يتم تحديث أوزانه فقط على التمثيلات ذات الخطأ الأقل، ويتم معاقبة الشبكة الرئيسية على جميع العينات.
ما لدينا: في انحدار الصور، تستبدل الأجسام الطائرة المجهولة عمليات التنشيط الكامنة الفوضوية بخرائط الميزات المتماثلة. في التقسيم المعياري (حيث يُطلق على التعميم المؤجل اسم grok)، تعمل الأجسام الطائرة المجهولة الانتقائية على تقليل متوسط عدد خطوات الشبكة الرئيسية بعامل يتراوح بين 2.04 و12.25 بالنسبة إلى انخفاض الوزن الضعيف. في معظم التكوينات، يحدث الغرغرة بدونها.
سبب أهميته: تساعد مخططات تمثيل التعلم في إنشاء أنماط منتظمة أثناء التعلم المتزايد. ومع ذلك، لا يتم قياس وقت التشغيل الفعلي، وتقتصر الاختبارات على المهام الاصطناعية الصغيرة ذات المواضع الثابتة.
وصل جسم غامض وأسرع عملية ركوب الأمواج هنا.