في عالم علوم البيئة والاستشعار عن بُعد، تمثل البيانات البيانية تحدياً كبيراً. وذلك بسبب التفاوت في البيانات، نقص التسميات، والتكرار الزائد في الخصائص. هنا يأتي دور ZAYAN، النموذج الثوري الذي يعد بتقديم إطار عمل تعاوني يعتمد على التعلم الذاتي.

ZAYAN (Zero-Anchor dYnamic feAture eNcoding) هو إطار مبتكر يركز على الخصائص بدلاً من التجارب، مما يلغي الحاجة لاختيار مراجع محددة أو الاعتماد على تسميات الفئات. يعتمد هذا النموذج على التعلم التعاوني على مستوى الخصائص، مما يساعد في إنشاء فضاء تجميعي بعيد عن التكرار والمشوش.

يتكون ZAYAN من وحدتين رئيسيتين: ZAYAN-CL، التي تقوم بتدريب تجميع الخصائص من خلال هدف تعاوني بدون مراجع مع حدوث تغيرات ديناميكية، وZAYAN-T، وهو نموذج Transformer يعتمد على هذه التجميعات من أجل التصنيف في مراحل لاحقة.

عند الاختبار على ثمانية مجموعات بيانات، بما في ذلك ستة معايير بيانات بيانية للاستشعار عن بُعد وجداول توقع الفيضانات المرتبطة بالاستشعار من الأقمار الصناعية، أثبت ZAYAN تفوقه الكبير من حيث الدقة والموثوقية. كما أن لديه أداءً ممتازاً حتى في حالات نقص البيانات أو تغير التوزيع.

نتائج هذه الدراسة تشير بوضوح إلى أن التعلم التعاوني على مستوى الخصائص والترميز الديناميكي للخصائص يوفران استراتيجية فعالة للدراسة في مجال بيانات الاستشعار البياني.