Подолання викликів у тренуванні штучного інтелекту: обмеження даних, обчислювальні витрати та надійність моделей
Анотація
Стаття аналізує виклики, пов'язані з тренуванням систем штучного інтелекту, зокрема проблеми з обмеженістю та якістю даних, високі обчислювальні витрати та необхідність забезпечення надійності моделей. Обговорюються інноваційні рішення, такі як синтез даних, ефективні архітектури нейронних мереж і методи забезпечення робастності, а також важливість інтерпретованості ШІ-моделей.
Посилання
Conditional Synthetic Data Generation for Robust Machine Learning Applications with Limited Pandemic Data / H. P. Das et al. ResearchGate.
Bex T. 5 Powerful Cross-Validation Methods to Skyrocket Robustness of Your ML Models. Medium.
Carneiro G., Santana E., R. Cordeiro F. A Study on the Impact of Data Augmentation for Training Convolutional Neural Networks in the Presence of Noisy Labels.
Neural Network Pruning by Cooperative Coevolution. Thirty-First International Joint Conference on Artificial Intelligence (IJCAI-22).
Mirzasoleiman B., Yu Liu T. Data-Efficient Augmentation for Training Neural Networks.
