اكتشاف النماذج المذهلة: التعرف على أعلى أداء لنماذج النشاط البشري القابلة للارتداء بدون تدريب!

في عالم التكنولوجيا القابلة للارتداء، يعد التعرف على النشاط البشري (HAR) من أكبر التحديات، حيث تتفاوت النماذج بناءً على مواقع الحساسات والأدوات المستخدمة والأنشطة المتعددة. الآن، يسرنا أن نعلن عن تقدم جديد في هذا المجال المليء بالتحديات، حيث استحدث الباحثون نموذجًا مبتكرًا يدعى Zero Cost Proxies (ZCPs).

تتميز ZCPs بأنها قادرة على الارتقاء بتحديد النماذج المتفوقة من خلال حسابات قليلة، مما يؤدي إلى توفير كبير في الموارد. فقد أظهرت الأبحاث الأخيرة أن النماذج التي تم التنبؤ بها من خلال هذه الطريقة يمكن أن تحقق أداءً قريبًا بنسبة 7% من النماذج التي تم تدريبها بشكل كامل، وذلك باستخدام 2,000 عينة عشوائية.

علاوة على ذلك، يتضح أن تدريب أعلى 10 نماذج متوقعة يؤدي إلى تحسين أداء غير مسبوق ضمن حدود 2% من التدريب الكامل، مما يتيح توفيرًا هائلًا في الأداء والموارد.

يظهر هذا البحث أهمية ZCPs في تطبيقات التعرف على النشاط البشري المستندة إلى الحساسات، مما يجعلها إضافة قيمة لخطوط أنابيب البحث في Neural Architecture Search (NAS). ما رأيكم في هذه التطورات المثيرة؟ شاركونا آراءكم في التعليقات!