قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
التعلم بالسرعة الذاتية
متغير من التعلم المنهجي حيث يتعلم النموذج وتيرته الخاصة عن طريق اختيار أمثلة التدريب ديناميكيًا حسب مستوى الصعوبة المتصور.
تسجيل الصعوبة
طريقة كمية لتقييم وتخصيص درجة صعوبة لكل مثال تدريب، مما يسمح بالترتيب الأمثل في المنهج.
التعلم بخطوات الأطفال
نهج منهجي متطرف حيث يبدأ النموذج بأمثلة بسيطة بشكل تافه قبل التقدم تدريجيًا جدًا نحو الحالات المعقدة.
مينورنيت
شبكة عصبية meta-learning تحدد المنهج ديناميكيًا عن طريق تعلم اختيار الأمثلة الأكثر صلة لشبكة الطالب.
المنهج حسب كثافة البيانات
استراتيجية ترتب الأمثلة حسب كثافتها في مساحة الميزات، وتفضل العينات في المناطق الكثيفة على تلك في المناطق المتفرقة.
المنهج حسب ضجيج التدرج
طريقة تستخدم الضوضاء في التدرجات كمؤشر للصعوبة، حيث تُعتبر الأمثلة ذات الضوضاء الأكثر صعوبة ويتم إدخالها لاحقًا.
المنهج حسب الخسارة
نهج يرتب الأمثلة حسب قيمة الخسارة الحالية، حيث تُعتبر الأمثلة ذات الخسارة العالية صعبة ويتم تأخيرها في المنهج.
التعلم المضاد للمنهج
استراتيجية عكسية تقدم أولاً الأمثلة الأكثر صعوبة لتحسين متانة النموذج وتجنب الحدود الدنيا المحلية دون المستوى الأمثل.
المنهج بالتعلم النقلي
طريقة تستخدم المعارف المسبقة المتعلمة على المهام البسيطة لبناء منهج تدريجي نحو المهام الأكثر تعقيدًا
توليد المنهج
عملية خوارزمية لإنشاء تسلسلات تعلم مثالية تلقائيًا بناءً على خصائص البيانات وأهداف النموذج
جدولة المنهج
تخطيط زمني يحدد متى وكيفية إدخال أمثلة ذات صعوبة متزايدة أثناء تدريب النموذج
استراتيجية البدء بالسهل
مبدأ أساسي للتعلم المنهجي حيث يتم تقديم الأمثلة الأبسط أولاً لتأسيس قاعدة صلبة قبل التعقيد
استراتيجية البدء بالصعب
نهج بديل يقدم أولاً الأمثلة الصعبة لإجبار النموذج على تطوير تمثيلات قوية منذ بداية التعلم
سلاسة المنهج
قياس الاستمرارية في تقدم الصعوبة بين الأمثلة المتعاقبة، وتجنب القفزات المفاجئة التي قد تزعزع التعلم
التعلم المنهجي للمهام
توسيع للتعلم المنهجي حيث يكون الترتيب على المهام بأكملها بدلاً من الأمثلة الفردية داخل نفس المهمة
التعلم المنهجي متعدد المهام
نهج معقد ينظم التعلم المتزامن لمهام متعددة مع منهج محسّن لتعظيم التآزر بين المهام