Tədqiqatçılar kompüter sistemlərinə gələcək məlumat nümunələrini proqnozlaşdırmağa və məlumatın saxlanma qaydasını optimallaşdırmağa kömək edən yeni maşın öyrənmə texnikası inkişaf etdirdilər. Onlar bu proqnozların real dünya məlumat dəstlərində 40%-ə qədər sürət artımını təmin edə biləcəyini tapdılar.

arXiv preprint serverinə göndərilən və 2023-cü ilin dekabrında Neyron İnformasiya Emalı Sistemləri Konfransında (NeurIPS) diqqət mərkəzinə düşən məqalədə Karnegi Mellon Universiteti və Williams Kollecinin tədqiqatçıları paylaşdılar ki, bu yeni metod əhəmiyyətli dərəcədə daha sürətli verilənlər bazası əldə edə bilər. daha səmərəli məlumat mərkəzləri.

Onlar məlumatı kompüterin yaddaşında çeşidlənmiş qaydada saxlayan siyahı etiketləmə massivi adlanan ümumi məlumat strukturunu müzakirə etdilər. Məlumatların çeşidlənməsi kompüterə onu tez tapmağa imkan verir, məsələn, uzun adlar siyahısının əlifba sıralanması kiminsə yerini tapmağı asanlaşdırır.

Bununla belə, yeni məlumatlar daxil olan kimi çeşidlənmiş sıranı səmərəli şəkildə saxlamaq çətin ola bilər. İndiyə qədər kompüter sistemləri yeni elementlər üçün yer açmaq üçün məlumatları daim hərəkət etdirərək yalnız ən pis vəziyyət ssenarisinə hazırlaya bilərdi. Bu, yavaş və hesablama baxımından bahalı ola bilər.

Bu yeni maşın öyrənmə metodu bu məlumat strukturlarına proqnozlaşdırmaq gücü verir. Kompüter bundan sonra nə ola biləcəyini proqnozlaşdırmaq üçün son məlumatlarda olan nümunələri təhlil edir.

“Bu texnika məlumat sistemlərinin gələcəyə nəzər salmasına və özlərini tez optimallaşdırmağa imkan verir” dedi tədqiqatın həmmüəllifi və fəlsəfə doktoru Aidin Niaparasat. Carnegie Mellon Universitetinin Tepper Biznes Məktəbinin tələbəsi. “Biz aydın bir mübadilə nümayiş etdiririk – proqnozlar nə qədər yaxşı olarsa, performans da bir o qədər sürətli olar. Hətta proqnozlar çılğınlaşsa belə, sürət hələ də normaldan daha sürətlidir.”

https://googleads.g.doubleclick.net/pagead/ads?client=ca-pub-0536483524803400&output=html&h=135&slotname=2793866484&adk=675901022&adf=1873531024&pi=t.ma~as.2793866484&w=540&fwrn=4&lmt=1711223676&rafmt=11&format=540×135&url=https%3A%2F%2Ftechxplore.com%2Fnews%2F2024-02-machine-method-future-patterns-optimize.html&wgl=1&uach=WyJXaW5kb3dzIiwiMTUuMC4wIiwieDg2IiwiIiwiMTIyLjAuNjI2MS4xMjkiLG51bGwsMCxudWxsLCI2NCIsW1siQ2hyb21pdW0iLCIxMjIuMC42MjYxLjEyOSJdLFsiTm90KEE6QnJhbmQiLCIyNC4wLjAuMCJdLFsiR29vZ2xlIENocm9tZSIsIjEyMi4wLjYyNjEuMTI5Il1dLDBd&dt=1711223676671&bpp=5&bdt=343&idt=318&shv=r20240320&mjsv=m202403200101&ptt=9&saldr=aa&abxe=1&cookie=ID%3Dd8c6cdc5123375cd%3AT%3D1709623025%3ART%3D1711223596%3AS%3DALNI_MY2ynj5TDpMXqOZBx7W90OihbbXuw&gpic=UID%3D00000d6971a748b6%3AT%3D1709623025%3ART%3D1711223596%3AS%3DALNI_MaTILJ6PYHOKRZlSvHcKJ4LkDsnLQ&eo_id_str=ID%3D34d5e14efb6a7c5d%3AT%3D1709623025%3ART%3D1711223596%3AS%3DAA-Afjbw5XrDrmZOIEp3UV8fgvCO&prev_fmts=0x0&nras=1&correlator=1765309157974&frm=20&pv=1&ga_vid=1833901760.1709623018&ga_sid=1711223677&ga_hid=662246037&ga_fc=1&rplot=4&u_tz=240&u_his=1&u_h=864&u_w=1536&u_ah=816&u_aw=1536&u_cd=24&u_sd=1.25&dmc=8&adx=395&ady=1791&biw=1519&bih=695&scr_x=0&scr_y=0&eid=44759875%2C44759926%2C44759837%2C31081576%2C31082023%2C31082033%2C44795921%2C95326315%2C31082079%2C95320376%2C95326914%2C31078663%2C31078665%2C31078668%2C31078670&oid=2&pvsid=1997285734762085&tmod=933362213&uas=0&nvt=3&ref=https%3A%2F%2Ftechxplore.com%2Fpage6.html&fc=1920&brdim=0%2C0%2C0%2C0%2C1536%2C0%2C1536%2C816%2C1536%2C695&vis=1&rsz=%7C%7CpeEbr%7C&abl=CS&pfx=0&fu=128&bc=31&bz=1&td=1&psd=W251bGwsbnVsbCwibGFiZWxfb25seV8xIiwxXQ..&nt=1&ifi=2&uci=a!2&btvi=1&fsb=1&dtd=330

Proqram kağızın yanında dərc edilmiş əlavə materialla birlikdə mövcuddur; tədqiqatçılar başqalarının istifadə etməsi üçün kodlarını paylaşdılar.

Tədqiqatçılar deyirlər ki, bu iş kompüter sisteminin dizaynında maşın öyrənməsi proqnozlarının daha da istifadəsinə qapı açır. Axtarış ağacları, hash cədvəlləri və qrafiklər kimi strukturlar gözlənilən məlumat nümunələrini proqnozlaşdırmaqla daha ağıllı və daha sürətli işləyə bilər. Tədqiqatçılar ümid edirlər ki, bu, alqoritmlərin və məlumatların idarə edilməsi sistemlərinin dizaynı üçün yeni yolları ruhlandırır.

Tepper Məktəbinin dosenti və tədqiqatın həmmüəllifi Benjamin Moseley, “Öyrənilmiş optimallaşdırmalar daha sürətli verilənlər bazası, təkmilləşdirilmiş məlumat mərkəzi səmərəliliyi və daha ağıllı əməliyyat sistemlərinə səbəb ola bilər” dedi. “Biz göstərdik ki, proqnozlar ən pis vəziyyət həddini keçə bilər. Lakin bu, yalnız başlanğıcdır – bu sahədə istifadə olunmamış böyük potensial var.”

Daha çox məlumat: Samuel McCauley et al, Onlayn List Labeling with Predictions, arXiv (2023). DOI: 10.48550/arxiv.2305.10536

Bu məqalə üçün poster təqdimatına keçid .Carnegie Mellon Universitetinin Tepper Biznes Məktəbi tərəfindən təmin edilmişdir