AI na Matatizo Magumu ya Ulimwengu · Sayansi ya kompyuta ya kinadharia · arXiv · 2026-10-23
Kujifunza kwa Kina kwa Vitu Nasibu katika Nafasi za Kipimo: Zaidi ya Dhana za Manifold
Kichwa asilia: Deep Learning for Random Objects in Metric Spaces: Beyond Manifold Assumptions
Kujifunza kwa kina kumeboresha utabiri katika kazi nyingi, lakini mbinu zenye misingi thabiti kwa vitu nasibu katika nafasi za kipimo zisizo za Euclidean, kama vile mgawanyo na grafu, ni chache. Waandishi wanapendekeza mfumo wa kujifunza kwa kina kwa urejeshi (regression) wa vitu nasibu unaofanya kazi moja kwa moja kwenye muundo wa kipimo wa nafasi ya majibu, bila kutegemea dhana za manifold au upachikaji wa Euclidean, na wanathibitisha uthabiti wa kitakwimu na viwango vya muunganiko. Unaonyesha utendaji wa utabiri wenye ushindani katika majaribio ya kuigwa na ulitumika katika tafiti mbili za kidijitali za afya zenye matokeo ya aina ya mgawanyo katika nafasi za Wasserstein, kwa kutumia data ya upimaji wa mwendo (accelerometry) na ufuatiliaji endelevu wa glukosi.