مشاكل الكفاءة: عند العثور وإزالة القطع الأثرية في بيانات اللغة

قام الكثير من الأعمال الحديثة في NLP بتوثيق القطع الأثرية لحجم البيانات والتحيز والارتباطات الزائفة بين ميزات الإدخال وتسميات الإخراج. ومع ذلك، وكيفية معرفة الميزات التي تحتوي على زائفة "بدلا من الارتباطات المشروعة عادة ما تكون غير محددة. في هذا العمل، نقول أنه بالنسبة لمهام فهم اللغة المعقدة، فإن جميع الارتباطات البسيطة الميزة زائفة، ونحن نقضي بإضفاء الطابع الرسمي على هذه الفكرة في فئة من المشاكل التي نسميها مشاكل الكفاءة. على سبيل المثال، يجب أن تعطي الكلمة مذهلة '' من تلقاء نفسها معلومات حول تسمية المعنويات مستقلة عن السياق الذي يظهر فيه، مما قد يشمل النفي والاستعارة والسخرية وما إلى ذلك. نحن نظريين تحليلا نظريا صعوبة في إنشاء بيانات لمشاكل الكفاءة عندما يتم أخذ التحيز البشري في الاعتبار، إظهار أن مجموعات البيانات الواقعية ستخلص بشكل متزايد من مشاكل الكفاءة حيث يزيد حجم مجموعة البيانات. يمنحنا هذا التحليل اختبارا إحصائيا بسيطا ل Artifacts DataSet، والذي نستخدمه لإظهار المزيد من التحيزات الدقيقة أكثر من الموصوفة في العمل السابق، بما في ذلك إظهار أن النماذج تتأثر بشكل غير لائق من هذه التحيزات الأقل شاقة. يسمح لنا العلاج النظري لهذه المشكلة أيضا بتحليل الحلول المقترحة، مثل إجراء تعديلات محلية لحالات البيانات، وتقديم توصيات لجمع البيانات المستقبلية وجهود تصميم النماذج التي تستهدف مشاكل الكفاءة.

الطريقة الآلية لاختيار الاختلالات في إشارات فروق الجهود الكهربائية في دماغ الإنسان

هدف هذا البحث إلى إيجاد طريقة آلية مبرمجة رياضياً لاختيار المقطع في إشارات فـروق الجهد الكهربائي (EEG ( في دماغ الإنسان حيـث يوجـد اخـتلال (ARTIFACTS ( أو اختلاف عن الإشارة الطبيعية منها. هذه الطريقة اسـتحدثت باسـتخدام نظريـات التحـول الموجي و الشبكات العصبية مندمجتين معاً لتحليل الخصائص الإحصائية لإشـارات فـروق الجهد الكهربائي (EEG ( المستندة إلى قياس المقطع الجزيء الديناميكي من الإشارة. ت