
یک گروه بین المللی از دانشمندان یک روش جدید تشخیص غبار برای سیستم های PV ایجاد کردند. تکنیک جدید مبتنی بر یادگیری عمیق است و از نسخه بهبودیافته الگوریتم بهینهسازی تخمین لحظه تطبیقی (آدام) استفاده میکند که معمولاً برای آموزش شبکهها استفاده میشود تا برنامهریزی اولیه برای تمیز کردن پانلهای خورشیدی و مسیریابی را فراهم کند.ربات های تمیز کننده پنل خورشیدیبرای تمیز کردن خودکار
به منظور غلبه بر این مسائل، دانشگاهیان پیشنهاد کردند که استراتژیهای Warmup و آنیل کسینوس را در الگوریتم ادغام کنند. تکنیک Warmup از میزان یادگیری کمی در مراحل اولیه تمرین استفاده می کند و به تدریج آن را افزایش می دهد. آنها افزودند: "این به مدل کمک می کند تا فضای پارامتر را در مراحل اولیه آموزش بهتر بررسی کند و از مشکلات نوسانی یا واگرایی ناشی از نرخ یادگیری بیش از حد اجتناب کند."
از سوی دیگر، استراتژی بازپخت کسینوس باعث می شود که نرخ یادگیری به طور دوره ای بین حداکثر و حداقل نرخ یادگیری، با توجه به منحنی بازپخت تابع کسینوس تغییر کند. محققان توضیح دادند: «این استراتژی به جلوگیری از مشکل نوسان ناشی از سرعت نزول سریع گرادیان کمک میکند و در نتیجه پایداری تمرین و عملکرد تعمیم مدل را بهبود میبخشد».


