Learning-curve prediction — это интеллектуальный метод от AT&T для прогнозирования успеха обучения ИИ-моделей на больших массивах данных. Алгоритм заранее оценивает потенциал классификатора, позволяя разработчикам грамотно распределять вычислительные ресурсы и фокусироваться на самых перспективных архитектурах. Незаменимый инструмент для оптимизации процесса разработки нейросетей.
Training classifiers on large databases is computationally demanding. It is desirable to develop efficient procedures for a reliable prediction of a classifier's suitability for implementing a given task, so that resources can be assigned to the most promising candidates or freed for exploring new classifier candidates. We propose such a practical and principled predictive method. Practical because it avoids the costly procedure of training poor classifiers on the whole training set, and principled because of its theoretical foundation. The effectiveness of the proposed procedure is demonstrated for both single- and multi-layer networks.