تقدم هذه المقالة منهجية جديدة للتقطير المدرك لحدود القرار للتعلم التدريجي للحالات والتي لا تتطلب الوصول إلى البيانات القديمة.تقدم هذه المقالة منهجية جديدة للتقطير المدرك لحدود القرار للتعلم التدريجي للحالات والتي لا تتطلب الوصول إلى البيانات القديمة.

توليف الصور الطبية: S-CycleGAN للموجات فوق الصوتية بالوقت الحقيقي والتجزئة

2025/11/05 23:30

نبذة مختصرة و1 مقدمة

  1. الأعمال ذات الصلة

  2. إعداد المشكلة

  3. المنهجية

    4.1. التقطير المدرك لحدود القرار

    4.2. توحيد المعرفة

  4. النتائج التجريبية و5.1. إعداد التجربة

    5.2. المقارنة مع طرق SOTA

    5.3. دراسة الاستئصال

  5. الخاتمة والعمل المستقبلي والمراجع

    \

المواد التكميلية

  1. تفاصيل التحليل النظري لآلية KCEMA في IIL
  2. نظرة عامة على الخوارزمية
  3. تفاصيل مجموعة البيانات
  4. تفاصيل التنفيذ
  5. تصور الصور المدخلة المغبرة
  6. المزيد من النتائج التجريبية

4. المنهجية

كما هو موضح في الشكل 2 (أ)، يؤدي حدوث انحراف المفهوم في الملاحظات الجديدة إلى ظهور عينات خارجية يفشل النموذج الحالي في التعامل معها. يجب على IIL الجديد توسيع حدود القرار لتشمل هذه العينات الخارجية وكذلك تجنب النسيان الكارثي (CF) على الحدود القديمة. تعتمد طرق التقطير التقليدية القائمة على المعرفة على بعض النماذج المحفوظة [22] أو البيانات المساعدة [33، 34] لمقاومة CF. ومع ذلك، في إعداد IIL المقترح، ليس لدينا وصول إلى أي بيانات قديمة بخلاف الملاحظات الجديدة. يتعارض التقطير القائم على هذه الملاحظات الجديدة مع تعلم معرفة جديدة إذا لم تتم إضافة معلمات جديدة إلى النموذج. لتحقيق التوازن بين التعلم وعدم النسيان، نقترح طريقة تقطير مدركة لحدود القرار لا تتطلب بيانات قديمة. أثناء التعلم، يتم توحيد المعرفة الجديدة التي يتعلمها الطالب بشكل متقطع مرة أخرى إلى نموذج المعلم، مما يؤدي إلى تعميم أفضل وهي محاولة رائدة في هذا المجال.

\ الشكل 3. مقارنة بين (أ) طريقة التقطير السابقة التي تستنتج باستخدام نموذج الطالب (S) و (ب) التقطير المدرك لحدود القرار المقترح (DBD) مع توحيد المعرفة (KC). نستخدم نموذج المعلم (T) للاستدلال.

\

:::info المؤلفون:

(1) تشيانغ ني، جامعة هونغ كونغ للعلوم والتكنولوجيا (قوانغتشو)؛

(2) ويفو فو، مختبر تينسنت يوتو؛

(3) يوهوان لين، مختبر تينسنت يوتو؛

(4) جيالين لي، مختبر تينسنت يوتو؛

(5) ييفنغ تشو، مختبر تينسنت يوتو؛

(6) يونغ ليو، مختبر تينسنت يوتو؛

(7) تشيانغ ني، جامعة هونغ كونغ للعلوم والتكنولوجيا (قوانغتشو)؛

(8) تشنغجي وانغ، مختبر تينسنت يوتو.

:::


:::info هذه الورقة متاحة على arxiv تحت رخصة CC BY-NC-ND 4.0 Deed (النسب-غير تجاري-عدم الاشتقاق 4.0 دولي).

:::

\

إخلاء مسؤولية: المقالات المُعاد نشرها على هذا الموقع مستقاة من منصات عامة، وهي مُقدمة لأغراض إعلامية فقط. لا تُظهِر بالضرورة آراء MEXC. جميع الحقوق محفوظة لمؤلفيها الأصليين. إذا كنت تعتقد أن أي محتوى ينتهك حقوق جهات خارجية، يُرجى التواصل عبر البريد الإلكتروني [email protected] لإزالته. لا تقدم MEXC أي ضمانات بشأن دقة المحتوى أو اكتماله أو حداثته، وليست مسؤولة عن أي إجراءات تُتخذ بناءً على المعلومات المُقدمة. لا يُمثل المحتوى نصيحة مالية أو قانونية أو مهنية أخرى، ولا يُعتبر توصية أو تأييدًا من MEXC.