يقدم الباحثون تقييماً تجريبياً منهجياً لمعدلات تقارب منحنيات التعلم لمعالجة نقص الإرشادات القائمة على البيانات لتحديد أحجام العينات الدنيا في مهام التصنيف المعتمدة على أجهزة الاستشعار القصور الذاتي.
- تقدم الدراسة إطاراً موحداً يحلل أداء التصنيف في السيناريوهات ثنائية الفئة ومتعددة الفئات، مستنتجة صيغة تجريبية لتقدير الأداء بالنسبة لحجم مجموعة البيانات.
- أظهرت الاختبارات عبر ست مجموعات بيانات واقعية متنوعة بإجمالي 102.7 ساعة من القياسات القصور الذاتي أن الدقة تتبع نمط نمو لوغاريتمي متسق بغض النظر عن تعقيد المهمة.
- يقترح المؤلفون مقياساً نقطيًا للاستقرار الكمي يُعرّف بأنه حجم العينة المطلوب لاستقرار منحنى التعلم ضمن انحراف نسبي مطلق متوسط محدد مسبقًا عن قيمته القصوى المقاربة.
- يكشف التحليل أن النماذج غالباً ما تصل إلى استقرار عملي بعينات أقل بكثير مما تقترحه الاستدلالات التقليدية، مما يسمح باستقراء متطلبات البيانات الإجمالية من الدراسات التجريبية الصغيرة.
توفر هذه النتائج إرشادات ملموسة ومدعومة بالبيانات لتخطيط حملات التسجيل في تطبيقات استشعار القصور الذاتي، مما يغير النموذج من تعظيم حجم البيانات إلى تحسين كفاءة البيانات.