Description

Pengenalan digit tulisan tangan adalah salah satu bidang yang dipelajari secara ekstensif dalam pembelajaran mesin. Selain lebih luas penelitian tentang pengenalan digit tulisan tangan pada dataset MNIST, ada banyak penelitian lain tentang pengenalan berbagai skrip. Namun, tidak terlalu umum untuk pengenalan digit multi-skrip yang mendorong pengembangan yang kuat dan sistem multiguna. Selain itu, bekerja pada pengenalan digit multi-skrip memungkinkan pembelajaran multi-tugas. Jelas bahwa pembelajaran multi-tugas meningkatkan kinerja model melalui transfer induktif menggunakan informasi yang terkandung dalam tugas-tugas terkait. Oleh karena itu, dalam penelitian ini pengenalan digit tulisan tangan multi-script menggunakan pembelajaran multi-tugas diusulkan untuk diselidiki. Sebagai kasus khusus menunjukkan solusi untuk masalah, pengenalan karakter tulisan tangan Amharik juga diuji secara eksperimental. Digit tulisan tangan dari tiga skrip termasuk Latin, Arab, dan Kannada dipelajari untuk menunjukkan bahwa multi-tugas model dengan reformulasi tugas individu telah menunjukkan hasil yang menjanjikan. Dalam penelitian ini, pendekatan baru menggunakan prediksi tugas individu diusulkan untuk membantu kinerja klasifikasi. Temuan penelitian ini telah mengungguli baseline dan model pembelajaran multi-tugas konvensional. Lebih penting lagi, itu menghindari kebutuhan untuk menimbang yang berbeda hilangnya tugas, yang merupakan salah satu tantangan dalam pembelajaran multi-tugas.

Kajian penelitian ini menunjukkan formulasi setting pembelajaran multitask dari tugas individu yang dapat diadaptasi untuk memecahkan masalah terkait yang dapat diorganisasikan secara matriks. Dengan demikian, studi ditujukan pengenalan digit tulisan tangan multi-skrip
menggunakan pembelajaran multi-tugas. Selain memanfaatkan tugas pembantu untuk tugas utama, makalah ini menyajikan metode baru menggunakan prediksi tugas individu untuk membantu kinerja klasifikasi dan mengatur kerugian yang berbeda untuk tujuan utama tugas. Temuan ini telah mengungguli baseline dan model pembelajaran multi-tugas konvensional sambil menghindari kerugian tertimbang yang merupakan salah satu tantangan dalam pembelajaran multi-tugas. Dalam penelitian ini, metode yang diusulkan didorong untuk kasus tertentu dari Pengenalan karakter tulisan tangan Amharik. Karenanya, pendekatan/metode serupa juga dapat diterapkan untuk mengatasi bahasa terstruktur serupa. Akhirnya, tulisan ini meneruskan ide untuk masa depan karya yang membahas masalah pembelajaran multi-skrip dan multitugas yang serupa; mendorong perkembangan dari sistem yang kuat dan multiguna. Generalisasi model yang diusulkan untuk semua jenis multi-tugas pengaturan juga bisa menjadi kontribusi pengetahuan baru di masa depan.

dengan penerapan metode dapat menghasilkan akurasi sebagai berikut: