AI新突破:扭矩聚類算法亮相,無需人工標注、自主學習準確率高達97.7%快訊
扭矩聚類算法在 1000 個不同的數據集上進行了嚴格測試,可以極大提升 AI 系統(tǒng)自主學習和識別數據模式的能力,監(jiān)督學習需要大量人工標注的數據。
2 月 17 日消息,科技媒體 scitechdaily 昨日(2 月 16 日)發(fā)布博文,報道稱悉尼科技大學的研究人員開發(fā)了一種名為“扭矩聚類”(Torque Clustering)的全新 AI 算法,不需要人工干預,可以極大提升 AI 系統(tǒng)自主學習和識別數據模式的能力。
該算法模擬自然智能,在測試中準確率高達 97.7%,超越現有方法,有望引領 AI 學習的范式轉變。扭矩聚類的獨特之處在于其基于物理學中扭矩的概念,讓其能夠自主識別聚類,并無縫適應不同形狀、密度和噪聲程度的數據類型。
該算法的靈感源于星系合并過程中引力相互作用的扭矩平衡,基于質量和距離宇宙的兩個基本屬性,通過模擬自然界中的學習方式,讓 AI 像動物一樣通過觀察、探索和與環(huán)境互動來學習。
注:不同于傳統(tǒng)的監(jiān)督學習,扭矩聚類無需人工標記數據即可識別模式,使其更具擴展性和效率。相比之下,監(jiān)督學習需要大量人工標注的數據,成本高、耗時長,且對復雜或大規(guī)模任務不切實際。
扭矩聚類算法在 1000 個不同的數據集上進行了嚴格測試,平均調整互信息(AMI)得分高達 97.7%,而其他最先進的方法得分僅在 80% 左右。
該算法完全自主、無需參數,并且可以高效地處理大型數據集,其應用領域廣泛,包括生物學、化學、天文學、心理學、金融和醫(yī)學等,可用于發(fā)現疾病趨勢、識別欺詐活動和理解人類行為等。(故淵)
1.TMT觀察網遵循行業(yè)規(guī)范,任何轉載的稿件都會明確標注作者和來源;
2.TMT觀察網的原創(chuàng)文章,請轉載時務必注明文章作者和"來源:TMT觀察網",不尊重原創(chuàng)的行為TMT觀察網或將追究責任;
3.作者投稿可能會經TMT觀察網編輯修改或補充。