معجم الذكاء الاصطناعي

ضبط النماذج

Model Tuning

تعديل معلمات النموذج لتحسين الأداء.

الضبط الدقيق

Fine-tuning

تدريب نموذج مدرب مسبقاً على بيانات مخصصة.

تمهيد النموذج

Model Initialization

تحديد القيم الابتدائية للأوزان.

حفظ نقطة التحقق

Model Checkpointing

حفظ نسخ من النموذج أثناء التدريب.

إصدارية النموذج

Model Versioning

إدارة وإصدار نسخ مختلفة من النموذج.

اختزال الأبعاد

Dimensionality Reduction

تقليص عدد المتغيرات مع الحفاظ على المعلومات.

إسقاط عشوائي

Dropout

تقنية إسقاط وحدات عشوائية لتعزيز التعميم.

تقسيم البيانات

Data Splitting

تقسيم البيانات إلى تدريب وتحقق واختبار.

إكثار البيانات

Data Augmentation

إنشاء نسخ معدّلة من بيانات التدريب.

قص التدرج

Gradient Clipping

تحديد الحد الأقصى لقيم التدرجات.

مُنظِّم Adam

Adam Optimizer

خوارزمية تحسين تجمع بين Adagrad و RMSProp.

مُنظِّم SGD

SGD Optimizer

خوارزمية التحسين التدريجي العشوائي.

تطبيع الدفعة

Batch Normalization

تقنية لتطبيع مخرجات كل طبقة.

التعلم متعدد المهام

Multi-task Learning

تدريب نموذج واحد على عدة مهام.

إعادة تشكيل البيانات

Reshaping

تغيير شكل مصفوفة البيانات.

تحسين المعلمات

Parameter Optimization

البحث عن أفضل قيم المعلمات.

البحث الشبكي

Grid Search

اختبار جميع التوافيق الممكنة للمعلمات للعثور على أفضل إعداد.

البحث العشوائي

Random Search

اختبار قيم عشوائية من فضاء المعلمات.

التحسين البايزي

Bayesian Optimization

استخدام نموذج احتمالي لتوجيه البحث.

نزول التدرج

Gradient Descent

خوارزمية تحديث الأوزان لتقليل الخطأ.

التنشيط الخامل

Dead ReLU

حالة عدم عمل وحدة تنشيط.

تنظيم L2

L2 Regularization

غرامة تعتمد على مربع الأوزان.

تنظيم L1

L1 Regularization

غرامة تعتمد على القيمة المطلقة.

جدولة معدل التعلم

Learning Rate Schedule

تغيير معدل التعلم تدريجياً أثناء التدريب.

التسخين المبدئي

Warmup

زيادة تدريجية لمعدل التعلم في بداية التدريب لتحسين الاستقرار.

الشبكة الاتصالية

Feedforward Network

شبكة تنقل المعلومات في اتجاه واحد.

طبقة الإدخال

Input Layer

الطبقة الأولى التي تستقبل البيانات.

طبقة الإخراج

Output Layer

الطبقة الأخيرة التي تنتج النتيجة.

الطبقة المخفية

Hidden Layer

طبقة بين الإدخال والإخراج.

دالة التنشيط

Activation Function

دالة رياضية على مخرجات كل وحدة.

دالة تنشيط ReLU

ReLU Activation

دالة تعيد القيمة الموجبة أو الصفر.

دالة softmax

Softmax Function

تحويل الأرقام إلى احتمالات.

التطبیق

Convolution

تطبيق مرشح على المدخل.

التجميع الموضعي

Pooling

تقليل أبعاد المخرجات لتحسين الكفاءة.

طبقة التسطيح

Flatten Layer

تحويل البيانات إلى متجه واحد.

الخطوة

Stride

حجم الخطوة للنافذة العصبية.

الحشوة

Padding

إضافة قيم صفر حول المدخل.

الوحدة التكرارية

Recurrent Unit

وحدة تحتفظ بحالة مخفية سابقة.

الوحدة المحصنة

Gated Unit

وحدة ببوابات لتنظيم المعلومات.

طبقة التجميع

Aggregation Layer

طبقة تجمع معلومات من مصادر متعددة.