Asimilator: Sınıflandırma ve Regresyon Görevleri için Bir Sinir Ağı Mimarisi

Makine öğrenimi bağlamında özümleyici, hem sınıflandırma hem de regresyon görevlerini gerçekleştirmek üzere tasarlanmış bir tür sinir ağı mimarisidir. "Asimilatör" terimi, geleneksel sınıflandırma modellerinin (lojistik regresyon gibi) güçlü yönlerini derin sinir ağlarının yetenekleriyle birleştirmenin bir yolu olarak bu mimariyi geliştiren Google'daki araştırmacılar tarafından türetilmiştir. Her görev için ayrı modeller kullanmak yerine, hem sınıflandırma hem de regresyon görevlerini gerçekleştirmek için tek bir sinir ağı. Bu, modelin her iki tahmin türü için kullanılabilen verilerin ortak bir temsilini öğrenmesine olanak tanır ve bu da performansın artmasına ve daha verimli eğitime yol açabilir.

Asimilatör mimarisi iki ana bileşenden oluşur: bir sınıflandırma dalı ve bir regresyon dalı. Sınıflandırma dalı tipik olarak olası sınıflar üzerinde bir olasılık dağılımı üreten softmax çıkış katmanına sahip, tamamen bağlı bir sinir ağıdır. Regresyon dalı da tamamen bağlantılı bir sinir ağıdır ancak bir çıktı katmanına sahip değildir, bu nedenle bir ürünün fiyatı gibi sürekli değerleri tahmin etmek için kullanılabilir.

Eğitim sırasında asimilatör uçtan uca eğitilir, sınıflandırma ve regresyon kayıp fonksiyonlarının bir kombinasyonunu kullanarak. Bu, modelin her iki görev için de yararlı olan verilerin ortak bir temsilini öğrenmesine olanak tanırken, aynı zamanda her görevin özel gereksinimlerinde uzmanlaşmasına da olanak tanır. sınıflandırma ve regresyon, çünkü yalnızca tek bir parametre setinin öğrenilmesini gerektirir. Ek olarak, özümleyici tarafından öğrenilen paylaşılan gösterim, kümeleme veya anormallik tespiti gibi diğer görevler için de yararlı olabilir.