کاهش داده‌های مورد نیاز برای آموزش مدل‌های یادگیری عمیق بر اساس خوشه‌بندی داده‌ها و کاربرد آن در وارون‌سازی یک‌بعدی مگنتوتلوریک

Abstract

رویکردهای یادگیری عمیق داده‌محور با چالش تولید داده‌هایی به تعداد زیاد و با کیفیت بالا و بار محاسباتی سنگین و زمان آموزش طولانی تحمیل شده توسط آن روبرو هستند. علاوه بر این، در صورتی‌که بعد از جداسازی تصادفی داده‌ها به سه مجموعه آموزش، اعتبارسنجی و آزمایش، توزیع آماری یکسانی برای آنها به‌دست نیاید، به دلیل رفتار نامنظم منحنی خطای آموزش و اعتبارسنجی، تعمیم‌پذیری خوبی حاصل نمی‌شود. در این پژوهش با استفاده از رویکرد مبتنی بر خوشه‌بندی اولیه داده‌ها و اختصاص درصد مشخصی از هر خوشه به سه مجموعه، و با پیمایش نتایج پیش‌بینی، کمینه داده مورد نیاز برای وارون‌سازی با رویکرد یادگیری عمیق ارائه می‌گردد. با اعمال آزمون‌های آماری نشان داده می‌شود که داده‌هایی که با این رویکرد جداسازی شده‌اند، دارای توزیع یکسان در سه مجموعه هستند. یک مدل یادگیری عمیق مبتنی بر معماری U-Net برای وارون‌سازی یک‌بعدی داده‌های مگنتوتلوریک آموزش داده می‌شود. به این منظور از یک مدل ژئوالکتریکی پنج لایه که شرایط یک میدان زمین‌گرمایی را شبیه‌سازی می‌کند، استفاده شده‌است. آموزش شبکه با تعداد متفاوت داده‌هایی که با روش گفته شده جداسازی شده‌اند، تکرار و عملکرد آن با معیارهای کمی و کیفی متفاوتی سنجیده می‌شود. با پیمایش نتایج وارون سازی با داده‌های آزمایشی یکسان بر مدل‌های آموزش دیده با درصد داده‌ای مختلف می‌توان بدون اینکه از دقت شبکه کاسته شود، به میزان 50 درصد تعداد داده‌های مورد نیاز برای آموزش مدل یادگیری عمیق و بنابراین زمان آموزش را کاهش داد. در مواجهه با داده‌های پیچیده‌تر، واقعی‌تر و نویزی قطعا جداسازی تصادفی رهیافت مناسبی برای تشکیل سه مجموعه نیست. هرچه شرایط پیچیده‌تر و تعداد ویژگی‌ها بیشتر باشد، جداسازی تصادفی راهکار نامناسب‌تری است؛ چراکه تفاوت توزیع‌های آماری سه مجموعه بیشتر می‌شود؛ و در نتیجه تعمیم‌پذیری کاهش و تعداد داده‌های مورد نیاز افزایش می‌یابد. در این‌صورت استفاده از خوشه‌بندی راهکار مناسبی برای یکسان‌سازی توزیع آماری سه مجموعه و کاهش تعداد داده‌هاست.