Öğretmen Zorlaması, tekrarlayan sinir ağlarını (RNN'ler) optimize etmek için kullanılan bir yapay zeka tekniğidir. Aynı zamanda "öğretmen bilgisinin enjekte edilmesi" olarak da bilinir çünkü daha iyi tahminler yapabilmeleri için RNN'lere ek bilgi sağlamayı içerir. Öğretmenin zorlaması, modeli önceden tahmin edilen çıktılara dayanmak yerine gelecekteki tahminlerinde "doğru" girdiyi kullanmaya teşvik eder.
"Öğretmen Zorlama" adı, bir öğretmenin öğrenciye doğru cevabı uygulaması fikrinden gelir ve makine öğreniminde denetimli öğrenme fikrinin bir uzantısıdır. RNN'ler gelecekteki tahminleri yaparken önceki durumları koruduğundan, öğretmen zorlaması özellikle RNN'leri eğitirken kullanışlıdır. Ancak bu her zaman faydalı değildir çünkü benzer bağlamlarda aynı veya benzer eylemlerin gerçekleştirilmesi gibi sabit kalıplara uymaya yol açabilir.
Öğretmen zorlaması, modelin öğrenebileceği bilgi miktarını en üst düzeye çıkarmak için bir RNN'nin eğitim aşamasında kullanılır. Öğretmen zorlama yaklaşımı, eğitim verilerinin sabit bir kısmını girdi olarak ve geri kalanını da önceki tahmin edilen çıktıdan girdi olarak ayarlamaktır. Bu, modelin normalde erişemeyeceği ek bilgileri almasına olanak tanır ve bu da performansını büyük ölçüde artırabilir.
Temel olarak öğretmen zorlaması, RNN'yi eğitimi sırasında ek bilgi sağlayarak daha iyi tahminler yapmaya teşvik etmenin etkili bir yoludur. Eğitim sırasında öğretmenin zorlamasıyla doğru öğretmen bilgisi sağlayarak, iyi genelleştirilecek kalıpları daha iyi öğrenebilir. Bu, önceden tahmin edilen çıktılara çok fazla güvenmeden dizileri daha iyi tanımasına olanak tanıyabilir.
