تحلیل تاثیر اعداد تصادفی در آموزش مدل های هوش مصنوعی (با تمرکز بر بررسی seedهای مختلف و توزیع اعداد تصادفی)

در این پژوهش، تاثیر انتخاب seedهای مختلف و توزیع های اعداد تصادفی بر عملکرد مدل های هوش مصنوعی مورد بررسی قرار گرفته است. با تمرکز بر یک مدل ساده شبکه عصبی چندلایه (MLP)، نشان داده ایم که تغییر seed می تواند منجر به نوسانات قابل توجهی در نتایج مدل، از جمله دقت، نرخ همگرایی و پایداری شود. آزمایش ها با استفاده از توزیع های مختلف تصادفی (نظیر نرمال و یکنواخت) و تکرار چندباره آموزش با seedهای گوناگون انجام شده اند. نتایج حاکی از آن است که انتخاب seed مناسب و درک رفتار توزیع های تصادفی، نقشی کلیدی در طراحی مدل های قابل اطمینان دارد. این یافته ها می توانند به عنوان راهنمایی عملی برای پژوهشگران و توسعه دهندگان در جهت بهبود تکرارپذیری و پایداری مدل های یادگیری ماشین مورد استفاده قرار گیرند.

کلیدواژه ها:

اعداد تصادفی ، seed ، شبکه عصبی چندلایه (MLP) ، پایداری مدل