| layout | word | translation |
|---|---|---|
word |
Candidate Sampling |
نمونه‌گیری در دسترس (داوطلبانه) |
یک بهینه‌سازی در زمان آموزش که در آن احتمال تمامی برچسب‌های مثبت با استفاده از مثلا softmax محاسبه می‌شود؛ اما این کار تنها برای نمونه‌هایی تصادفی از برچسب‌های منفی می‌افتد. به عنوان مثال، برای یک نمونه که برچسب‌های بیگل (نوعی سگ) و سگ را داشته باشد، نمونه‌گیری داوطلبانه احتمالات و مقدار تابع زیان را برای کلاس‌های بیگل و داگ و همچنین برای یک زیرمجموعه تصادفی از باقی‌مانده کلاس‌ها (گربه، آب‌نبات و ...) محاسبه می‌کند. ایده کلی این است که کلاس‌های منفی می‌توانند با تقویت منفی با تکرار کمتر یاد گرفته شوند؛ در حالی که کلاس‌های مثبت همیشه به تقویت مثبت مناسب نیاز دارند. این مساله به صورت تجربی مشاهده می‌شود. هدف نمونه‌گیری در دسترس بهینه‌سازی محاسبات به دلیل محاسبه نکردن احتمالات برای همه کلاس‌های منفی است.