
Egy nemzetközi tudóscsoport új porérzékelési módszert fejlesztett ki fotovoltaikus rendszerek számára. Az új technika a mélytanuláson alapul, és az adaptív momentumbecslés (Adam) optimalizáló algoritmus továbbfejlesztett változatát használja, amelyet általában hálózatok betanítására használnak, hogy előre megtervezzék a napelemek tisztítását és útvonalát.napelem tisztító robotokautomatikus tisztításhoz.
E problémák leküzdése érdekében az akadémikusok a Warmup és a koszinuszos lágyítási stratégiák integrálását javasolták az algoritmusba. A Warmup technika kis tanulási sebességet használ az edzés korai szakaszában, fokozatosan növelve azt. "Ez segít a modellnek abban, hogy jobban feltárja a paraméterteret a képzés korai szakaszában, elkerülve a túlzott tanulási sebesség által okozott oszcillációt vagy eltéréseket" - tették hozzá.
A koszinuszos lágyítási stratégia ezzel szemben a tanulási sebességet periodikusan változtatja a maximális és minimális tanulási sebesség között, a koszinuszfüggvény lágyítási görbéjének megfelelően. "Ez a stratégia segít megelőzni a gradiens gyors süllyedési sebessége által okozott oszcillációs problémát, ezáltal javítja a modell edzési stabilitását és általánosító teljesítményét" - magyarázták a kutatók.


