Мало данных — главная боль — 3 июля 2026 г. в 10:00:06.259
Мало данных — главная боль Машинное обучение в авиастроении. Часть 4 Продолжаем разбирать резонансное исследование PRISMA в сфере ИИ для авиастроения. ⭕️ Только четверть статей из обзора использовала техники работы с малыми датасетами — аугментацию, редукцию размерности, перенос обучения. Остальные, видимо, работали с тем, что есть, или не признавались в этом :). ⭕️ Между тем, дефицит данных — центральная проблема ИИ в авиационной отрасли. Серии маленькие. Каждая деталь проходит десятки контрольных операций, но примеров «плохого» набирается единицы. Модель, обученная на 10 тысячах годных изделий и пяти бракованных, предсказуемо выучит: говори «годное» — и будешь прав почти всегда. ⭕️ Что делают? Самый доступный метод — геометрические преобразования изображений: повороты, отражения, обрезка. Это бесплатно и даёт прирост, хотя новых данных по существу не создаёт. Генеративно-состязательные модели (ГСМ) умеют синтезировать реалистичные изображения дефектов, но их качество нужно верифицировать — иначе модель обучится на артефактах генерации. ⭕️ Перенос обучения — пожалуй, самый интересный подход для области аддитивных технологий. Берётся модель, обученная на миллионах общих фотографий, и дообучается на сотне реальных снимков. Для аддитивного производства, где каждая новая деталь — фактически новый продукт, это позволяет не начинать с нуля. Следите за нашими постами — мы продолжаем изучать истинную природу ИИ. 🚩 ЦАТ в MAX | в ВК | в Telegram