في عالم الذكاء الاصطناعي، تلعب [الشبكات العصبية العميقة](/tag/[الشبكات](/tag/الشبكات)-العصبية-العميقة) دورًا حيويًا في مساعدة الآلات على [فهم](/tag/فهم) وتصنيف [الصور](/tag/الصور) بدقة متناهية. إلا أنَّ هذه النماذج، ورغم تقدمها، تواجه [تحديات](/tag/تحديات) جسيمة في القدرة على التعبير عن [عدم اليقين](/tag/عدم-اليقين) الإدراكي (Epistemic [Uncertainty](/tag/uncertainty)) وغالبًا ما تُنتج [تنبؤات](/tag/تنبؤات) تُظهر [ثقة](/tag/ثقة) مفرطة. هذه المشاكل تصبح أكثر وضوحًا عند التعامل مع [التصنيف](/tag/التصنيف) الهيراركي (Hierarchical Classification)، حيث يتعين أن تبقى [التنبؤات](/tag/التنبؤات) على المستويات الدقيقة والخشنة متماشية ومتسقة.
تقدم [الدراسة](/tag/الدراسة) الحديثة لأول مرة إطار [عمل](/tag/عمل) متكامل يجمع بين [النهج العصبي الرمزي](/tag/النهج-العصبي-الرمزي) (Neurosymbolic approach) ونمذجة الإدراك المعرفي (Epistemic modeling)، حيث يسعى هذا الإطار إلى تعزيز [نماذج](/tag/نماذج) الـ Swin [Transformers](/tag/transformers) بآليات جديدة للتفكير المعتمد على التركيز (Focal Set Reasoning) ومنطق ضبابي (Fuzzy Logic).
بدلاً من اعتبار التسميات كفئات معزولة، يساعد منهجنا في إنشاء مجموعات مركّزة مُعتمدة على [البيانات](/tag/البيانات) في [فضاء](/tag/فضاء) التعلم، مما يمكنه من التقاط [عدم اليقين](/tag/عدم-اليقين) الإدراكي [عبر](/tag/عبر) العديد من الفئات الدقيقة المحتملة. تُشكل هذه [المجموعات](/tag/المجموعات) الأساس لطبقة [نظرية](/tag/نظرية) الاعتقاد التي تستخدم دوال الانتماء الضبابية (Fuzzy Membership Functions) والعمليات [التوافقية](/tag/التوافقية) من نوع t-norm لتعزيز [التناسق](/tag/التناسق) بين [التنبؤات](/tag/التنبؤات) الدقيقة والخشنة.
علاوة على ذلك، تقدم [الدراسة](/tag/الدراسة) خسارة قابلة للتعلم تهدف إلى توازن [المعايرة](/tag/المعايرة) (Calibration) وتنظيم الكتلة (Mass Regularisation) والاتساق المنطقي (Logical Consistency)، مما يمنح النموذج القدرة على [التكيف](/tag/التكيف) والتفاوض بين الهيكل الرمزي والأدلة المدفوعة بالبيانات.
عند إجراء [التجارب](/tag/التجارب) على تسلسل [تصنيف الصور](/tag/[تصنيف](/tag/تصنيف)-[الصور](/tag/الصور)) الهيراركي، حقق إطارنا [دقة](/tag/دقة) [تماثل](/tag/تماثل) [نماذج المحولات](/tag/[نماذج](/tag/نماذج)-[المحولات](/tag/المحولات)) التقليدية، مع توفير [تنبؤات](/tag/تنبؤات) أكثر [دقة](/tag/دقة) وتفسيرًا، مما يقلل من مشكلات [الثقة](/tag/الثقة) المفرطة ويعزز الاتساق المنطقي العالي [عبر](/tag/عبر) المخرجات الهيراركية. تكشف [نتائج التجارب](/tag/نتائج-[التجارب](/tag/التجارب)) أن دمج [آليات](/tag/آليات) [التفكير](/tag/التفكير) المرتكزة مع [منطق ضبابي](/tag/[منطق](/tag/منطق)-ضبابي) يمثل خطوة عملية [نحو](/tag/نحو) [نماذج [التعلم](/tag/التعلم) العميق](/tag/[نماذج](/tag/نماذج)-[التعلم](/tag/التعلم)-العميق) القادرة على [تحقيق](/tag/تحقيق) [دقة](/tag/دقة) عالية ووعي إدراكي.
ثورة في تصنيف الصور: نهج عصبي رمزي باستخدام التعلم العميق الإدراكي
تقدم الدراسة منهجاً مبتكراً يجمع بين النماذج العصبية والرمزية لتحقيق تصنيف صور هرمي بشكل أكثر دقة وفهمًا. من خلال دمجها للتحوّلات الحديثة مع منطق ضبابي، تعالج المشكلة الشهيرة في التوقعات المفرطة الثقة.
المصدر الأصلي:أركايف للذكاء
زيارة المصدر الأصلي ←جاري تحميل التفاعلات...
