معجم الذكاء الاصطناعي

التأخر الزمني

Time Lag

فرق الزمن بين ملاحظة وملاحظة سابقة عليها، ويحدد مقاييس الارتباط الذاتي ويستخدم في بناء متغيرات إزاحة للتنبؤ.

الاستقرارية

Stationarity

خاصية سلسلة زمنية تظل فيها الخصائص الإحصائية كالمتوسط والتباين ثابتة عبر الزمن، ليصبح النمذجة والتنبؤ ممكنين وذات معنى.

التحلل الزمني

Time Series Decomposition

تفكيك السلسلة الزمنية إلى مركبات أساسية من اتجاه وموسمية وبقايا تذبذبية، لفهم بنيتها ومعالجة كل مركبة على حدة.

العوامل الدورية

Cyclical Factors

العوامل المتكررة بنمط دوري واضح في البيانات الزمنية كدورات الأسبوع أو السنة، وتُقدَّر وتُصفَّى قبل بناء نماذج التنبؤ.

التنبؤ بخطوة واحدة

One-Step Forecasting

تنبؤ الخطوة التالية المباشرة في السلسلة من القيم الحالية المتاحة، بدل خطوة أو أكثر للأمام، فيصبح أساس المقارنة والنمذجة الأولية.

التعديل الموسمي

Seasonal Adjustment

ضبط السلسلة الزمنية بإزالة أثر التغيرات الموسمية المقدرة، ليُعرض الاتجاه الصافي ويُحسَّن التنبؤ غير الموسمي.

تقسيم المعلمات

Parameter Sharding

توزيع معلمات النموذج الكبير على عدة أجهزة بشرائح متوازية، فيتسع لحجم يتجاوز ذاكرة عقدة واحدة عبر اتصال سريع بينها.

التدريب غير المتزامن

Asynchronous Training

تنفيذ التدريب الموزع بسماح لعقد مختلفة بالتقدم بمعدلات مختلفة والمزامنة بفواصل، فيزيد الإنتاجية الإجمالية بتقليل إجهاد الانتظار.

العميل الاتحادي

Federated Client

الطرف في التعلم الاتحادي الذي يملك بياناته المحلية ويُدرّب التحديث على جهازه ويشارك النموذج فقط دون بياناته الخام.

الخادم الاتحادي

Federated Server

الطرف المركزي في التعلم الاتحادي الذي يجمع التحديثات من العملاء ويحسب المتوسط ويدفع النموذج المحدث ويوزعه جولة بعد جولة.

الانحراف غير المتجانس

Non-IID Drift

الانحراف بين التوزيعات المحلية للعملاء والتوزيع الكلي، فيتأثر التقارب والجودة مثل تباين أجهزة والبيانات المختلفة الخصائص.

التخصيص المحلي

Local Personalization

تهيئة النموذج محليًا لدى كل عميل مما يطابق خصوصية بياناته، مع بقاء التحديثات المشتركة للحفاظ على المعرفة العامة عند الجميع.

اختيار العملاء

Client Selection

اختيار العملاء المشاركين في كل جولة وفق سياسة متفق عليها كالتوافر وتمثيل البيانات والشبكة، لضبط الكفاءة والعدالة.

ضغط التحديث

Update Compression

ضغط التحديثات المرسلة بين العملاء والخادم لتقليل حِمل الاتصال، كتكميم الفروق أو استخدام التقنيات الموفرة، دون فقدان جوهر التعلم.

المتوسط الاتحادي

Federated Averaging

خوارزمية متوسط أوزان التحديثات المحلية المرسلة عند الخادم بنسب حجم البيانات، وهي العمود الفقري للتعلم الاتحادي فيبني نموذجًا مشتركًا.

التعلم عبر الأجهزة

Cross-Device Learning

التعلم الاتحادي عبر عدد كبير من الأجهزة المتصلة بالمستخدم مثل الهواتف، قليل البيانات لكل جهاز ومشاركة غير متزامنة ومتقطعة.

التعلم عبر المؤسسات

Cross-Silo Learning

التعلم الاتحادي بين مؤسسات أو مراكز تحل كلا C مواردها داخل ما تسمح به جدران الحماية، فتُتبادل النماذج دون تبادل البيانات الخام.

سياسة السلوك

Behavior Policy

السياسة التي يُدرب عليها النموذج سلوكه المستهدف النهائي (المراد تطبيقه في التشغيل)، وقد تكون الهدف أو الحلقة للتحسين عند التعلم.

سياسة الهدف

Target Policy

السياسة أو النموذج الهدف الذي يُسعى إلى تحسينه وقت التعلم، وبها تُعمَّم الخبرات المكتسبة وتُقيَّم الجودة النهائية.

إعادة تشغيل الخبرة

Experience Replay

حفظ التجارب السابقة (حالة، فعل، مكافأة، الحالة التالية) واسترجاعها عشوائيًا أثناء التدريب، فيقلل الارتباط بين العينات ويرفع الاستقرارية.

استكشاف الفضاء

Exploration

الاستكشاف الفاعل لبيئة التعلم بتجربة أفعال جديدة غير مؤكدة النفع، ليكتشف الوكيل سلوكيات أو مناطق غير معروفة قد تمنح مكاسب أعلى.

استغلال المعرفة

Exploitation

استغلال المعرفة المكتسبة بالفعل باختيار الأفعال المعروفة أنه الأعلى قيمة، وهناك كانت سجون الموازنة مع ضرورة استكشاف البدائل.

تقدير القيمة

Value Estimation

تقدير القيمة المتوقعة للحالات أو الأفعال من الملاحظات المتراكمة، فيُبنى عليه الموازنة بين الخيارات من حيث العائد البعيد.

ميزة الفعل

Advantage Estimation

حساب الإشارة الدالة على تفوق فعله الحالي على متوسط ما هو معتاد في نفس الحالة، فتُستخدم في توجيه قرارات التعلم بتقليل التباين.

التعلم خارج السياسة

Off-Policy Learning

التعلم من بيانات منتجة بسياسة مختلفة عن سياسة السلوك الحالية، فيستفيد الوكيل من خبرات سابقة أو خارجية دون إعادة توليدها.

التعلم داخل السياسة

On-Policy Learning

التعلم باستخدام البيانات التي تنتجها سياسة السلوك نفسها أثناء تفاعلها مع البيئة، فيتعلم من تجربته المباشرة فقط.

تمرير الرسائل

Message Passing

نقل الرسائل بين العقد في شبكات عصبية بيانية بإرسال كل عقدة ميزاتها لجيرانها وتجميعها، فيتجمع السياق المحلي وتتعلم البنية الشبكية.

شبكات الانتباه البيانية

Graph Attention Networks

شبكات عصبية تعمل على الرسوم بطبقات الانتباه، حيث يتأرجح كل عقدة انتباهه لجيرانه حسب الأهمية، ويلتقط النمط البنيوي المعقد للرسم.

تضمين العقد

Node Embeddings

تمثيل كل عقدة في متجه تعلمتها الشبكة البيانية يجسد بنيتها المحلية ومضمونها الدلالي، ويُستخدم في التنبؤات على مستوى العقد.

تضمين الحواف

Edge Embeddings

تمثيل كل حافة في متجه تعلمتها الشبكة يجسد العلاقة بين العقدتين المتصلتين وخصائصها، ويُستخدم في تنبؤ علاقات الروابط.

تصنيف العقد

Node Classification

تصنيف تُسند فيه فئة لكل عقدة انطلاقًا من ميزاتها وسياقها البنيوي في الرسم، كتصنيف الأدوار أو الأصناف في الشبكات الاجتماعية والكيميائية.

تصنيف الرسوم

Graph Classification

تصنيف رسم كامل في فئة معينة عبر تجميع تمثيلات عقدها، كتصنيف الجزيء كيميائيًا أو نقل الرسوم الاجتماعي، بأخذ البنية كلها في الحسبان.

تجميع الرسوم

Graph Pooling

تجميع تمثيلات العقد على مستوى الرسم في تمثيل موحد يجسد البنية الكلية، فيُبنى عليه التصنيف وتنبؤات خصائص الرسوم جميعها.

التنبؤ متعدد الأفق

Multi-Horizon Forecasting

التنبؤ بقيم السلسلة الزمنية على عدة آفاق زمنية قادمة في وقت واحد، فيعطي نظرة لاحقة أوسع عن المسار المستقبلي، مقابل تنبؤ الخطوة الواحدة.

كشف الشذوذ الزمني

Temporal Anomaly Detection

كشف الشذوذ في الحَزم الزمنية بمراعاة البنية الزمنية والتغيرات السياقية، فيميز أي حدث خروج مؤقت عن النمط الزمني الطبيعي.

الميزات الزمنية

Temporal Features

الميزات المستوحاة من الزمن كالاتجاه المؤجل أو متوسطات الحركة أو تموجات الساعة، وتميّز التوزيع الزمني وتُغني نماذج السلاسل الزمنية.

الموسمية

Seasonality

تأرجح دوري محسوس في البيانات بفترات متساوية كمواسم السنة أو أسابيع أو أيام، ويُقدر ويُفصَل عن الاتجاه التذبذبي في التحليل.

تغير المفهوم

Concept Drift

تغير تدريجي جوهر ما يمثله النظام هدف التوقع أو توزيع المدخلات، فينخفض أداء النموذج ويحتاج تحديثًا أو نعايرة مستمرة.

التنبؤ الاحتمالي

Probabilistic Forecasting

التنبؤ الذي يخرج توزيع الاحتمالات للقيم القادمة لا نقطة واحدة فقط، فينقل قدرًا من القيمة المتوقع والشك فيها بفائدة أكبر للقرار.

الاستيفاء الزمني

Temporal Imputation

إكمال القيم المفقودة أو الفجوات في سلسلة زمنية بتقديرات تعتمد على البنية الزمنية المتوفرة، ليتسنى إجراء تحليل متسق غير منقوص.