Optimización automática del entrenamiento de aprendizaje profundo a través de la división de conjuntos de datos basada en características
Autores: Shahrabadi, Somayeh; Adão, Telmo; Peres, Emanuel; Morais, Raul; Magalhães, Luís G.; Alves, Victor
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Optimización automática del entrenamiento de aprendizaje profundo a través de la división de conjuntos de datos basada en características
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería de Software
Palabras clave
Proliferación
Inteligencia artificial
Conjuntos de datos
Desafíos
Estrategias
Modelos de clasificación
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 34
Citaciones: Sin citaciones
La proliferación de inteligencia artificial (IA) capaz de clasificación en una amplia gama de dominios (por ejemplo, agricultura, construcción, etc.) ha permitido optimizar y complementar varias tareas, típicamente operacionalizadas por humanos. El entrenamiento computacional que permite brindar dicho soporte se ve frecuentemente obstaculizado por diversos desafíos relacionados con conjuntos de datos, incluida la escasez de ejemplos y distribuciones de clases desequilibradas, que tienen efectos perjudiciales en la producción de modelos precisos.
Descripción
La proliferación de inteligencia artificial (IA) capaz de clasificación en una amplia gama de dominios (por ejemplo, agricultura, construcción, etc.) ha permitido optimizar y complementar varias tareas, típicamente operacionalizadas por humanos. El entrenamiento computacional que permite brindar dicho soporte se ve frecuentemente obstaculizado por diversos desafíos relacionados con conjuntos de datos, incluida la escasez de ejemplos y distribuciones de clases desequilibradas, que tienen efectos perjudiciales en la producción de modelos precisos.