यह पेज दुनियाभर में प्रकाशित होने वाले आर्टिफिशियल इंटेलिजेंस संबंधित रिसर्च पेपर्स को संक्षिप्त रूप में प्रस्तुत करता है। यहां Google Gemini का उपयोग करके पेपर्स का सारांश तैयार किया जाता है और यह पेज गैर-लाभकारी रूप से संचालित किया जाता है। पेपर के कॉपीराइट लेखक और संबंधित संस्थान के पास हैं, और साझा करते समय बस स्रोत का उल्लेख करें।
यह शोधपत्र लेबल रहित डेटा से नियतात्मक परिमित ऑटोमेटा (DFA) सीखने के लिए एक नवीन ढाँचे का प्रस्ताव करता है, जिसका उद्देश्य मौजूदा पर्यवेक्षित शिक्षण विधियों की सीमाओं को दूर करना है। हम इस समस्या की गणना संबंधी जटिलता को प्रदर्शित करते हैं, बाधा अनुकूलन पर आधारित तीन शिक्षण एल्गोरिदम विकसित करते हैं, और एक नवीन नियमन तकनीक प्रस्तुत करते हैं जो DFA की व्याख्यात्मकता को बढ़ाती है। हम अप्रशिक्षित विसंगति पहचान के संदर्भ में एक प्रोटोटाइप कार्यान्वयन के माध्यम से इसकी व्यावहारिक व्यवहार्यता प्रदर्शित करते हैं।
Takeaways, Limitations
•
Takeaways:
◦
लेबल रहित डेटा से DFA सीखने के लिए एक नया ढांचा प्रस्तुत किया गया है।
◦
बाधा अनुकूलन पर आधारित एक कुशल शिक्षण एल्गोरिदम का विकास।
◦
डीएफए की व्याख्याशीलता में सुधार के लिए एक नई नियमितीकरण तकनीक प्रस्तावित की गई है।
◦
अप्रशिक्षित विसंगति का पता लगाने में व्यावहारिक प्रयोज्यता का प्रदर्शन करना।
•
Limitations:
◦
प्रस्तावित ढांचे की उच्च कम्प्यूटेशनल जटिलता (समस्या की अंतर्निहित कठिनाई)
◦
प्रोटोटाइप कार्यान्वयन स्तर पर, बड़े डेटासेट पर प्रायोगिक सत्यापन का अभाव हो सकता है।
◦
विभिन्न प्रकार के लेबल रहित डेटा के लिए सामान्यीकरण प्रदर्शन को सत्यापित करने की आवश्यकता
