تحقق دراسة بشكل منهجي في تأثير استراتيجيات جدولة معدل التعلم على دقة التصنيف عبر بنى الشبكات العصبية المتنوعة، متجاوزةً معاملة المنجدلات كمعاملات فرعية ثانوية. قام الباحثون بتقييم 30 نموذجاً ممثلاً من عائلات التلافيف والمحولات ضمن مجموعة بيانات LEMUR neural network.
- تم تطبيق حقن الكود المصدري الآلي لـ 25 تكويناً للمنجدل عبر تسع عائلات PyTorch.
- تم تقييم ما مجموعه 3,938 متغيراً للنموذج على مجموعة بيانات CIFAR-10.
- حقق التكوين الأفضل دقة top-1 بلغت 86.45%، مع تجاوز 237 متغيراً لـ 80%.
- تتفوق CosineAnnealingWarmRestarts و CyclicLR باستمرار على استراتيجيات التخفيض الأساسية.
تم المساهمة بمناظر الدقة الناتجة إلى مجموعة بيانات LEMUR nn-dataset، مما يوفر مرجعاً عملياً لاختيار المنجدل المبدئي.