الموسوعة
لقد جمعنا مئات المدخلات ذات الصلة لمساعدتك على فهم "الذكاء الاصطناعي"
اختبار الفرضيات هو أسلوب لاختبار الفرضيات الإحصائية، ويستخدم بشكل رئيسي في الإحصاء الاستدلالي، حيث أن "الفرضية الإحصائية" هي فرضية علمية يتم اختبارها، بشكل أساسي عن طريق ملاحظة نموذج المتغيرات العشوائية. وبناءً على فرضية إمكانية تقدير المعلمات غير المعروفة، فمن الممكن استخلاص استنتاجات مناسبة حول قيم المعلمات غير المعروفة استنادًا إلى النتائج. في الإحصاء، الافتراض حول المعلمة هو افتراض حول واحد أو أكثر من […]
التعلم الجماعي هو فكرة الجمع بين نماذج متعددة في نموذج عالي الدقة. يتم استخدامه بشكل أساسي في مجال التعلم الآلي. إنها ليست خوارزمية تعلم آلي واحدة، بل إنها تكمل مهمة التعلم من خلال بناء ودمج العديد من المتعلمين. يمكن استخدام التعلم التجميعي في مشاكل التصنيف، ومشاكل الانحدار، واختيار الميزات، واكتشاف القيم المتطرفة، وما إلى ذلك. ويمكن القول إن جميع التعلم الآلي [...]
يمكن لطريقة ترميز إخراج تصحيح الأخطاء ECOC تحويل المشكلات متعددة الفئات إلى مشكلات متعددة من فئتين، كما يتمتع كود إخراج تصحيح الأخطاء نفسه بقدرات تصحيح الأخطاء، مما يمكن أن يحسن دقة التنبؤ بخوارزميات التعلم الخاضع للإشراف. يمكن تقسيم ترميز فئة الإخراج إلى فئتين، أي أن كل فئة تتوافق مع سلسلة بت ثنائية بطول n، وتشكل ما مجموعه m من الكلمات المشفرة، والتي […]
يوضح الخطر التجريبي قدرة النموذج على التنبؤ بعينات التدريب. يتم الحصول عليها عن طريق حساب دالة الخسارة مرة واحدة لجميع عينات التدريب ثم تجميع المتوسط. تشكل دالة الخسارة أساس المخاطر المتوقعة والمخاطر التجريبية والمخاطر الهيكلية. دالة الخسارة خاصة بعينة محددة واحدة وتمثل الفجوة بين القيمة المتوقعة للنموذج والقيمة الحقيقية. […]
التجميع باستخدام طريقة K-means هو طريقة كمية المتجهات التي كانت تستخدم في معالجة الإشارات في الأيام الأولى. يتم استخدامه حاليًا بشكل أساسي كطريقة لتحليل التجميع في مجال استخراج البيانات. الغرض من التجميع باستخدام متوسط k هو تقسيم n نقطة إلى مجموعات k بحيث تنتمي كل نقطة إلى المجموعة المقابلة لأقرب متوسط، واستخدام هذا كمعيار للتجميع. هذا النوع من المشاكل [...]
نظرية الهامش هي مفهوم في آلات دعم المتجهات، حيث يشير الهامش إلى الحد الأدنى للمسافة بين نوعين من العينات مقسومًا على المستوى الفائق. يمكن استخدام نظرية الهامش لتوضيح أنه عندما يكون خطأ تدريب خوارزمية AdaBoost يساوي 0، فإن التدريب المستمر يمكن أن يحسن بشكل أكبر أداء التعميم للنموذج. دع x و y يمثلان المدخلات و […]
يعتبر المدرك نموذج تصنيف خطي ثنائي يمكن اعتباره أبسط شكل لشبكة عصبية تغذية أمامية، اخترعها فرانك روزنبلات في عام 1957. مدخلاته هي متجه الميزات للمثال ومخرجاته هي فئة المثيل.
المؤتمر الدولي لأنظمة معالجة المعلومات العصبية (NIPS) هو مؤتمر بارز في مجال التعلم الآلي والحوسبة العصبية تستضيفه مؤسسة NIPS كل شهر ديسمبر.
التطبيع هو تعيين البيانات إلى نطاق محدد لإزالة الأبعاد ووحدات الأبعاد للبيانات ذات الأبعاد المختلفة لتحسين القدرة على المقارنة بين مؤشرات البيانات المختلفة.
طريقة التدرج القريب (PGD) هي طريقة خاصة لانحدار التدرج، والتي تستخدم بشكل أساسي لحل مشاكل التحسين باستخدام وظائف الهدف غير القابلة للتفاضل.
يشير التقليم اللاحق إلى عملية التقليم التي يتم إجراؤها بعد إنشاء شجرة القرار.
النموذج البياني الاحتمالي هو نموذج احتمالي يستخدم بنية بيانية للتعبير عن العلاقة بين المتغيرات.
الانحدار هو خوارزمية تعلم خاضعة للإشراف للتنبؤ بالمتغيرات العشوائية المستمرة العددية ونمذجتها.
تعلم القواعد هو تعلم مجموعة من قواعد IF-THEN تتكون من مقترحات ذرية من بيانات التدريب. إنه نوع من التعلم غير الخاضع للإشراف ويتم تصنيفه عادة كنوع من التصنيف.
العقدة الجذرية هي العقدة الأولى في بنية بيانات الشجرة. قد تحتوي العقدة العادية على عقدة رئيسية وعقد فرعية، ولكن بما أن النغمة الجذرية هي العقدة الأولى، فإنها تحتوي فقط على عقد فرعية.
تحسين سرب الجسيمات (PSO)، المعروف أيضًا باسم تحسين سرب الجسيمات، هو خوارزمية تحسين تعتمد على نظرية ذكاء السرب. تكمل الجسيمات الموجودة في السرب عملية تحسين المشكلة في كل عملية بحث تكرارية.
تطور محرك القواعد من محرك الاستدلال وهو أحد المكونات المضمنة في التطبيق. يقوم بفصل قرارات العمل عن كود التطبيق ويكتب قرارات العمل باستخدام وحدات دلالية محددة مسبقًا.
المعيار النووي هو مجموع القيم المفردة للمصفوفة ويستخدم لتقييد الرتبة المنخفضة للمصفوفة.
تحليل الارتباط هو عملية العثور على أنماط متكررة أو ارتباطات أو علاقات أو هياكل سببية بين مجموعات من العناصر أو الكائنات في بيانات المعاملات أو البيانات العلائقية أو حاملات المعلومات الأخرى. طريقة تحليل الارتباط خوارزمية Apriori خوارزمية Apriori هي خوارزمية أساسية لاستخراج مجموعات العناصر المتكررة المطلوبة لتوليد قواعد الارتباط المنطقية. إنه يجعل […]
المتعلم الفردي هو مفهوم نسبي، وهو المتعلم قبل الاندماج في التعلم الجماعي. وفقًا لطريقة توليد المتعلمين الأفراد، يمكن تقسيم طرق التعلم الجماعي إلى الفئتين التاليتين: هناك تبعيات قوية ويجب إنشاء طرق التسلسل بشكل تسلسلي، مثل التعزيز؛ لا توجد تبعيات قوية ويمكن إنشاؤها في وقت واحد.
الاستقراء هو عملية استدلال تهدف إلى تعميم المبادئ العامة من سلسلة من الحقائق المحددة. يشير الاستدلال الرياضي إلى طريقة تفكير تعمم المفاهيم العامة أو المبادئ أو الاستنتاجات من أشياء متعددة. يمكن تقسيم الاستقراء إلى استقراء كامل واستقراء غير كامل: الاستقراء الكامل: يشمل كل الأشياء من هذا النوع، وبالتالي يشكل تعميمًا لهذا النوع من الأشياء.
التعلم الاستقرائي هو أسلوب من أساليب التعلم الآلي والذي يستخدم غالبًا للتعلم الرمزي. إنه يلخص بشكل أساسي وصف مفهوم من سلسلة من الأمثلة الإيجابية والسلبية المعروفة حول مفهوم ما. يمكن للتعلم الاستقرائي اكتساب مفاهيم جديدة، وإنشاء قواعد جديدة، واكتشاف نظريات جديدة. وتتمثل عملياتها العامة في التعميم والتخصص، حيث يشير التعميم إلى توسيع […]
خوارزمية انتشار الخطأ التراكمي (خوارزمية ABP) هي أحد أشكال خوارزمية الانتشار الخلفي القياسية (BP). إذا تم استنباط قاعدة تحديث تعتمد على تقليل الخطأ التراكمي، يتم الحصول على خوارزمية انتشار الخطأ التراكمي.
إن وظيفة فقدان المفصلة تكون على شكل مفصل، ومن هنا جاء اسمها. توجد دالة الخسارة هذه بشكل أساسي في آلات المتجهات الداعمة. لا يتطلب الأمر التصنيف الصحيح فحسب، بل يتطلب أيضًا أن تكون الخسارة 0 فقط عندما تكون الثقة عالية بدرجة كافية. وهذا يعني أن دالة الخسارة المفصلية تتطلب متطلبات أعلى للتعلم. صيغة دالة خسارة المفصلة هي L ( y ( w * x […]