في عالم [الأبحاث](/tag/الأبحاث) الأثرية، تُعتبر التحديات المرتبطة بنقص [البيانات](/tag/البيانات) من أبرز العقبات التي تواجه العلماء. يعتمد الكشف عن المواقع الأثرية عادةً على [نماذج تنبؤية](/tag/[نماذج](/tag/نماذج)-تنبؤية) تجمع بين المواقع المعروفة وعوامل مثل [البيئة](/tag/البيئة) والثقافة والموقع الجغرافي. ولكن ماذا عن المواقع التي لم تُكتشف بعد؟ هنا يأتي دور [التعلم العميق](/tag/[التعلم](/tag/التعلم)-العميق)!
تتناول [الدراسة](/tag/الدراسة) الحديثة استخدام نهج [التعلم](/tag/التعلم) شبه المشرف، حيث تم [تطوير](/tag/تطوير) [نموذج تصنيف](/tag/[نموذج](/tag/نموذج)-[تصنيف](/tag/تصنيف)) دلالي مُعتمد على [تقنيات](/tag/تقنيات) [تعلم](/tag/تعلم) وضع العلامات شبه الإشرافية (Semi-supervised Learning) والذي يهدف إلى [تصنيف البيانات](/tag/[تصنيف](/tag/تصنيف)-[البيانات](/tag/البيانات)) غير المشروطة. تتسم [الأبحاث](/tag/الأبحاث) الأثرية بنقص كبير في البيانات، حيث تكون المواقع الإيجابية نادرة وطبيعة العديد من المواقع غير مُعلمة، مما يستدعي الحاجة إلى [حلول مبتكرة](/tag/[حلول](/tag/حلول)-مبتكرة).
اعتمد الباحثون على [استراتيجية](/tag/استراتيجية) [تعلم](/tag/تعلم) إيجابي مُعزّز (Positive-Unlabeled learning) حيث يتم تطبيق [تصنيف](/tag/تصنيف) دلالي دينامي متكامل مع حقل عشوائي مشروط (Conditional Random Field) [عبر](/tag/عبر) شبكة [عصبية](/tag/عصبية) متكررة (RNN). هذه [التقنية](/tag/التقنية) حسّنت من [ثقة](/tag/ثقة) [التنبؤ](/tag/التنبؤ) بالنماذج تحت ظروف عدم توازن شديد في الفئات.
باستخدام [مجموعة بيانات](/tag/مجموعة-[بيانات](/tag/بيانات)) جغرافية مستمدة من [نموذج](/tag/نموذج) الارتفاع الرقمي (Digital Elevation [Model](/tag/model))، استطاع النموذج [تحقيق](/tag/تحقيق) مستوى [أداء](/tag/أداء) يتساوى مع أحدث [النماذج](/tag/النماذج) المعتمدة، مثل LAMAP، مع [تحسين](/tag/تحسين) في درجات Dice، وهو مقياس لتقييم [دقة](/tag/دقة) [التنبؤ](/tag/التنبؤ). وعلاوة على ذلك، تم [تقييم النموذج](/tag/[تقييم](/tag/تقييم)-النموذج) باستخدام [صور الأقمار الصناعية](/tag/[صور](/tag/صور)-الأقمار-الصناعية) الخام مع تطبيق [تقنيات التحقق](/tag/[تقنيات](/tag/تقنيات)-[التحقق](/tag/التحقق)) المتقاطع (Stratified k-fold cross-validation)، ملتزماً بالحفاظ على أدائه الجيد.
تدل النتائج على أن [استراتيجيات](/tag/استراتيجيات) [التعلم شبه المشرف](/tag/[التعلم](/tag/التعلم)-شبه-المشرف) تمثل بديلاً واعدًا لتحديد المواقع غير المكتشفة [عبر](/tag/عبر) المناظر الطبيعية الكبيرة ذات [التنسيق](/tag/التنسيق) القليل. لذا، إن كنت مهتمًا بدمج [التكنولوجيا](/tag/التكنولوجيا) مع علم الآثار، كيف ترى تأثير هذه الأساليب الحديثة على [مستقبل](/tag/مستقبل) [الدراسة](/tag/الدراسة) الأثرية؟
الكشف عن المواقع الأثرية: استراتيجية التعلم شبه المشرف للكشف في البيئات قليلة البيانات
تستخدم الدراسة تقنيات التعلم العميق لاستكشاف المواقع الأثرية غير المكتشفة، متغلبةً على نقص البيانات عن طريق استراتيجية تعلم شبه مشرف. النتائج تثبت أن هذه الطريقة يمكن أن تعزز دقة الاكتشاف في البيئات التي تعاني من نقص المعلومات.
المصدر الأصلي:أركايف للذكاء
زيارة المصدر الأصلي ←جاري تحميل التفاعلات...
