تعتبر تدرجات متكاملة (Integrated Gradients) من الطرق الشائعة لتخصيص الميزات في النماذج، ولكن الطريقة المستخدمة في دمج هذه الميزات تؤثر بشكل كبير على جودتها. يعتمد المسار التقليدي المستقيم لبناء التخصيصات على تقديم جميع الميزات في نفس الوقت، مما يؤدي إلى تراكم الضوضاء في التقديرات.

للتغلب على هذه التحديات، تم تقديم تقنية جديدة تُعرف بتدرجات متكاملة طيفية (Spectral Integrated Gradients). تعتمد هذه الطريقة على تطبيق تحليل القيم المفردة (Singular Value Decomposition) على الفروقات بين المدخلات الأساسية والمدخلات الحقيقية، مما يمكّن من تفعيل مكونات محددة بدايةً من الأكبر إلى الأصغر. هذا التدرج يوفر بنية عالمية أولًا قبل أن يُركز على التفاصيل الدقيقة، مما يجعل العملية تتسم بالتسلسل من الخشونة إلى الدقة.

أظهرت التجارب الواسعة عبر مجموعات بيانات متنوعة لتصنيف الصور أن تدرجات متكاملة طيفية تُنتج خرائط تخصيص أنظف بكثير مع تقليل الضوضاء، فضلاً عن تحقيق تحسينات ملحوظة في الأداء الكمي مقارنةً بالطرق التقليدية.

إذا كنت تبحث عن تحسين نموذج التعلم الآلي الخاص بك وزيادة دقته، قد تكون هذه التقنية هي الحل الذي تحتاجه. تعرف على المزيد من خلال زيارة رابط المشروع لتفاصيل إضافية وتعليمات الاستخدام.