Міжнародна група вчених розробила новий метод виявлення пилу для фотоелектричних систем. Нова техніка заснована на глибокому навчанні та використовує вдосконалену версію алгоритму оптимізації адаптивної оцінки моменту (Adam), який зазвичай використовується для навчання мереж, щоб забезпечити попереднє планування очищення сонячних панелей і маршруту наРоботи для очищення сонячних панелейдля автоматичного очищення.
Щоб подолати ці проблеми, вчені запропонували інтегрувати в алгоритм стратегії Warmup і косинусного відпалу. Техніка Warmup використовує невелику швидкість навчання на ранніх етапах навчання, поступово збільшуючи її. «Це допомагає моделі краще досліджувати простір параметрів на ранніх етапах навчання, уникаючи проблем коливань або розбіжностей, спричинених надмірною швидкістю навчання», — додали вони.
Стратегія косинусного відпалу, з іншого боку, змушує швидкість навчання періодично змінюватись між максимальною та мінімальною швидкостями навчання відповідно до кривої відпалу косинусної функції. «Ця стратегія допомагає запобігти проблемі коливань, спричиненій швидким зниженням швидкості градієнта, тим самим покращуючи стабільність навчання та продуктивність узагальнення моделі», — пояснили дослідники.
