शोधकर्ता आंशिक निर्भरता से व्युत्पन्न बाधाओं को लागू करके तंत्रिका नेटवर्क प्रशिक्षण को निर्देशित करने की एक विधि पेश करते हैं, यह सुनिश्चित करते हुए कि विशिष्ट विशेषताओं के लिए मॉडल का औसत प्रतिक्रिया ज्ञात कार्यात्मक डोमेन ज्ञान से सहमत हो।
- यह दृष्टिकोण व्याख्या-अनुगामी शिक्षण में अंतराल को संबोधित करता है, पूर्व ज्ञान के लिए विश्वसनीय व्याख्याएं उत्पन्न करने के लिए मॉडल को समायोजित करके, न कि केवल मौजूदा इंटरैक्शन की व्याख्या करके।
- इसे रीग्रेशन समस्याओं पर दिखाया गया है, जिसमें गतिशील प्रणालियों की पूर्वानुमान शामिल हैं, जहां बाधित मॉडल अबाधित मॉडलों से बेहतर प्रदर्शन करते हैं और अधिक डेटा दक्षता प्रदर्शित करते हैं।
- बाधित मॉडलों से व्याख्याएं उपयोगकर्ता द्वारा प्रदान किए गए ज्ञान के साथ सहमत होती हैं, जबकि अबाधित मॉडलों की व्याख्याएं नहीं होतीं।
यह विधि प्रशिक्षण प्रक्रिया में डोमेन विशेषज्ञता को सीधे शामिल करके अधिक व्याख्या योग्य और डेटा-दक्ष मॉडल बनाने की अनुमति देती है।