Makine öğrenmesi alanında önemli bir gelişme yaşanırken, araştırmacılar L1 düzenleştirme hesaplamalarında kullanılmak üzere yeni bir algoritmik yaklaşım ortaya koydu. Bu yöntem, yapay zeka modellerinin eğitiminde yaygın olarak kullanılan birçok tekniği kapsıyor.
Araştırma ekibi, durum uzayı ortamında L1 düzenleştirme yollarının hesaplanması için parametrik Gauss mesaj iletimi adı verilen bir teknik geliştirdi. Bu yaklaşım, Kalman yumuşatması, doğrusal destek vektör makineleri (SVM) ve LASSO regresyonu gibi popüler makine öğrenmesi yöntemlerinde uygulanabiliyor.
Geliştirilen sistem, birbirinin ikizi olan iki farklı algoritma sunuyor. İlk algoritma bağımsız değişkenlerin L1 düzenleştirmesi için tasarlanırken, ikincisi bağımlı değişkenler üzerinde çalışıyor. Her iki yöntemin temelinde de Kalman tipi ileri-geri hesaplama süreçleri yer alıyor.
Bu yeni yaklaşımın en dikkat çekici özelliği, genellikle sadece matris çarpımları gerektirmesi ve bu sayede hesaplama karmaşıklığını önemli ölçüde azaltması. Araştırmacılar, bazı durumlarda mevcut yöntemlerle rekabet edebilecek performans gösterebildiğini belirtiyor.
Geniş uygulama alanına sahip olan bu algoritmaların, makine öğrenmesi modellerinin daha verimli şekilde eğitilmesine önemli katkılar sağlaması bekleniyor.