تشهد مجالات تعلم الآلة تطورات مستمرة، خاصة عندما يتعلق الأمر بتصنيف البيانات غير المتوازنة. تمثل إعادة وزن الخسارة (Loss Reweighting) استراتيجية شائعة لمواجهة تحديات التصنيف غير المتوازن، ولكن العديد من الأساليب الحالية تعتمد على heuristics (أساليب غير دقيقة) وغالبًا ما تفتقر إلى تحديد هدف واضح.

استلهمت دراسة جديدة من مفهوم الانهيار العصبي (Neural Collapse)، حيث تقترح أن تكون الخسارة المتوسطة المتساوية لكل فئة هي الهدف المثالي لعملية إعادة الوزن. يقوم البحث بتعريف إعادة وزن الخسارة على أنها مشكلة عكسية، حيث يقترح استراتيجية جديدة تُعرف بإعادة الوزن العكسي التي تستنتج أوزان الفئات ديناميكيًا لتتناسب مع هذا الهدف.

أظهرت التجارب أن المعايير المستندة إلى الانهيار العصبي تشير إلى أن هذه الاستراتيجية الجديدة قادرة على تقليل معامل عدم التوازن في الخسارة بشكل فعال وتحقيق توافق أقرب مع هندسة الانهيار العصبي، مع التفوق باستمرار على أساليب التصنيف الأخرى في ظروف غير متوازنة.

هذه النتائج تشكل خطوة مهمة نحو تحسين استراتيجيات التعلم غير المتوازن وقد توفر أساليب جديدة لتوجيه تطوير نماذج الذكاء الاصطناعي في المستقبل.