Основанная на плотности пространственная кластеризация для приложений с шумами (DBSCAN) – это метод Обучения без учителя (Unsupervised Learning), при котором группируем точки Наблюдений (Observation) на основе определенных характеристик в Кластеры (Cluster) произвольной формы: На изображении выше есть точки данных, расположенные в виде концентрических кругов. Мы видим три различных плотных кластера в виде концентрических кругов с некоторым Шумом (Noise). Мы запустили Метод K-средних (K-Means) и получили четыре кластера...

В последнее время наблюдается стремительный рост интереса к применению искусственного интеллекта (ИИ) в самых разных областях. Однако современные модели ИИ, использующие миллиарды обучаемых параметров, требуют огромного объема памяти и вычислительных мощностей, что приводит к высоким затратам на обучение и развертывание. Это побуждает исследователей искать новые пути снижения вычислительных и энергетических затрат, связанных с использованием ИИ. Одним из перспективных направлений в этой области является оптическая реализация архитектур нейронных сетей...