معجم الذكاء الاصطناعي

توليد الصور

Image Generation

إنشاء صور جديدة بالذكاء الاصطناعي.

الانتشار

Diffusion Process

توليد صور بإزالة الضوضاء تدريجياً.

الشبكة التوليدية المتعارضة

GAN

مولّد ومميز يتنافسان لتحسين الجودة.

الترميز التكيفي

Variational Autoencoder

نموذج توليدي بتمثيلات مخفية احتمالية.

توليد الفيديو

Video Generation

إنشاء مقاطع فيديو بالذكاء الاصطناعي.

التحويل من نص إلى صورة

Text-to-Image

إنشاء صور من وصف نصي.

تحسين الصور

Image Enhancement

تحسين جودة الصور.

الاستكمال

Inpainting

ملء الأجزاء المفقودة من الصور.

نقل الأسلوب

Style Transfer

نقل أسلوب فني إلى صورة أخرى.

الدقة الفائقة

Super Resolution

تحسين دقة الصور منخفضة الدقة.

توليد المشاهد الثلاثية

3D Scene Generation

إنشاء مشاهد ثلاثية الأبعاد.

ترجمة الصور

Image Translation

تحويل صورة من مجال إلى آخر.

توليد الأفاتارات

Avatar Generation

إنشاء صور شخصية افتراضية.

طبقات الصور

Image Overlay

وضع طبقات من الصور فوق بعضها.

دمج الصور

Image Blending

دمج صورتين أو أكثر بشكل سلس.

التعلم الفروقي

Temporal Difference Learning

تعلم فروقي يجمع بين تعلم الجودة وخوارزميات مونت كارلو.

تحسين السياسة القريبة

Proximal Policy Optimization

خوارزمية فعالة لتحسين سياسة التعلم المعزز.

المؤشر والمراجع غير المتزامن

Asynchronous Advantage Actor-Critic

خوارزمية تعلم معزز متزامنة تعتمد على المؤشر والمراجع.

النقد اللزج الناعم

Soft Actor-Critic

خوارزمية تعلم معزز تعمل بمبدأ تعظيم المكافأة اللزجة.

شبكة Q العميقة

Deep Q-Network

شبكة عصبية عميقة لتعلم قيمة الحالة الفعل في بيئة متعددة.

التعلم المعزز بالتغذية الراجعة البشرية

Reinforcement Learning from Human Feedback

استخدام تقييمات وتفضيلات البشر لتحسين سياسة النموذج.

التعلم بالمنهج التعليمي

Curriculum Learning

تنظيم المهام من الأبسط إلى الأصعب لتحسين كفاءة التدريب.

التعلم المعزز متعدد الوكلاء

Multi-Agent RL

تعلم معزز متعدد الوكلاء يتعاونون لتحقيق أهداف مشتركة.

التعلم المعزز العكسي

Inverse Reinforcement Learning

استنتاج دالة المكافأة من سلوك الخبير في بيئة معينة.

التعلم المعزز القائم على النموذج

Model-Based RL

تعلم معزز يبني نموذجاً لتمثيل البيئة ومقاربتها.

التعلم التقليدي المتفائل

Optimistic Imitation Learning

تعلم تقليدي بمنطق متفائل لتحسين الأداء.

نماذج تمثيل البيئة

World Models

نماذج تمثيل للبيئة في التعلم المعزز.

إعادة تشغيل التجربة بالتوقعات

HER

إعادة تشغيل التجربة باستخدام التوقعات المرجعية.

التعلم المعزز الموزع

Distributed RL

تعلم معزز موزع على عدة أجهزة لتسريع التعلم.

التعلم المعزز متعدد الأهداف

Multi-Objective RL

تعلم معزز بأهداف متعددة متعارضة.

التعلم المعزز غير المتصل

Offline RL

تعلم معزز من بيانات مسجلة مسبقاً بدون تفاعل.

التعلم المعزز الآمن

Safe RL

تعلم معزز مع ضمان سلامة البيئة.

التعلم المعزز الميتا

Meta RL

تعلم تعلم في بيئة معززة لتحسين التكيف.

التعلم المعزز المدفوع بالفضول

Curiosity-driven RL

تعلم معزز مدفوع بالفضول لاستكشاف البيئة.

تشكيل المكافآت

Reward Shaping

تشكيل إشارة المكافأة لتسريع عملية التعلم.

طرق الممثل والنقد

Actor-Critic

طرق الممثل والنقد في التعلم المعزز.

تحسين السياسة القائم على النموذج

MBPO

تحسين السياسة بناءً على نموذج تمثيل البيئة.

نموذج DreamerV3

DreamerV3

نموذج تعلم معزز متقدم بالحالم.

ربط اللغة بالبيئة في التعلم المعزز

Language Grounding in RL

ربط اللغة بالبيئة الفعلية في التعلم المعزز.

المتغير الكامن

Latent Variable

متغير غير ملاحظ مباشرة لكنه يؤثر في عدة متغيرات ملاحظة، ويفترض لتفسير الارتباطات الخفية في البيانات، ويُقدَّر بنماذج كامنة.