Международная группа ученых разработала новый метод обнаружения пыли в фотоэлектрических системах. Новый метод основан на глубоком обучении и использует улучшенную версию алгоритма оптимизации адаптивной оценки момента (Адама), который обычно используется для обучения сетей, чтобы обеспечить предварительное планирование очистки солнечных панелей и маршрутизации.роботы для очистки солнечных панелейдля автоматической очистки.
Чтобы преодолеть эти проблемы, ученые предложили интегрировать в алгоритм стратегии Warmup и косинусного отжига. Техника разминки использует небольшую скорость обучения на ранних этапах тренировки, постепенно увеличивая ее. «Это помогает модели лучше исследовать пространство параметров на ранних этапах обучения, избегая проблем с колебаниями или расхождениями, вызванными чрезмерной скоростью обучения», — добавили они.
С другой стороны, стратегия косинусного отжига приводит к периодическому изменению скорости обучения между максимальной и минимальной скоростью обучения в соответствии с кривой отжига функции косинуса. «Эта стратегия помогает предотвратить проблему колебаний, вызванную быстрой скоростью спуска градиента, тем самым улучшая стабильность обучения и производительность обобщения модели», — объяснили исследователи.
