Uluslararası bir bilim insanı grubu, PV sistemleri için yeni bir toz algılama yöntemi geliştirdi. Yeni teknik derin öğrenmeye dayanıyor ve güneş paneli temizliği ve rotası için ön planlama sağlamak üzere ağları eğitmek için yaygın olarak kullanılan uyarlanabilir moment tahmini (Adam) optimizasyon algoritmasının geliştirilmiş bir versiyonunu kullanıyor.güneş paneli temizleme robotlarıotomatik olarak temizlemek için.
Bu sorunların üstesinden gelmek için akademisyenler, Warmup ve kosinüs tavlama stratejilerinin algoritmaya entegre edilmesini önerdi. Warmup tekniği, antrenmanın ilk aşamalarında küçük bir öğrenme oranı kullanır ve bunu yavaş yavaş artırır. "Bu, modelin eğitimin ilk aşamalarında parametre uzayını daha iyi keşfetmesine, aşırı öğrenme oranının neden olduğu salınım veya sapma sorunlarından kaçınmasına yardımcı oluyor" diye eklediler.
Kosinüs tavlama stratejisi ise kosinüs fonksiyonunun tavlama eğrisine göre öğrenme oranının maksimum ve minimum öğrenme oranları arasında periyodik olarak değişmesine neden olur. Araştırmacılar, "Bu strateji, eğimin hızlı iniş hızının neden olduğu salınım sorununun önlenmesine yardımcı oluyor, böylece modelin eğitim stabilitesini ve genelleme performansını artırıyor" diye açıkladı.
