قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
التعلم بالنقل مع النماذج
تقنية يتم فيها استخدام نموذج ديناميكي تم تعلمه في بيئة مصدر لتسريع التعلم في بيئة هدف، عن طريق نقل معرفة بنية العالم بدلاً من السياسات مباشرة.
نموذج الديناميكية القابل للنقل
تمثيل رياضي لانتقالات الحالة في بيئة ما، مصمم ليكون قابلاً لإعادة الاستخدام بين مهام أو بيئات مختلفة تشترك في خصائص فيزيائية أو هيكلية مشتركة.
التعلم المعزز القائم على النماذج
بارادايم يقوم فيه العامل ببناء نموذج داخلي للبيئة للتخطيط ومحاكاة المسارات قبل التصرف في العالم الحقيقي، مما يقلل من الحاجة إلى التفاعلات المكلفة.
تعميم النموذج
قدرة نموذج الديناميكية على إجراء تنبؤات دقيقة للحالات أو الإجراءات التي لم تتم ملاحظتها خلال التدريب، وهو أمر ضروري للنقل الناجح بين البيئات.
تحيز نقل النموذج
خطأ منهجي يحدث عند تطبيق نموذج تم تعلمه في بيئة مصدر على بيئة هدف ذات ديناميكيات مختلفة قليلاً، مما يتطلب تقنيات تكيف.
التعلم الفائق للنماذج
نهج يتم فيه تعلم كيفية تعلم نماذج الديناميكية التي يمكنها التكيف بسرعة مع بيئات جديدة بكمية قليلة من البيانات، عن طريق تحسين معلمات التهيئة للنموذج.
ترميز البيئة الكامن
تمثيل مدمج للخصائص الأساسية لبيئة ما في فضاء كامن، مما يسمح بالتقاط التشابهات بين البيئات المختلفة لتسهيل نقل النماذج.
معايرة النموذج المنقول
عملية تعديل تنبؤات نموذج منقول لتتوافق مع إحصائيات البيئة الهدف، وغالباً ما يتم تحقيقها من خلال تقنيات الانحدار أو التكيف البيزي.
نقل متعدد النماذج
استراتيجية تستخدم مجموعة من النماذج المتخصصة التي تم تعلمها في بيئات مصدر مختلفة، يتم دمجها لتشكيل نموذج هجين متين في البيئة المستهدفة.
مساحة المهام المفككة
تقسيم التباينات بين البيئات إلى عوامل مستقلة، مما يسمح بالنقل الانتقائي لمكونات النموذج ذات الصلة مع تكييف المكونات الأخرى.
التعلم بالتعزيز الهرمي مع النماذج
بنية حيث يتم نقل نماذج الديناميكية على مختلف المقاييس الزمنية أو المكانية، مما يسمح بالتخطيط الهرمي الفعال في بيئات جديدة.
تقطير معرفة النموذج
تقنية ضغط حيث يقوم نموذج ديناميكية مصدر كبير بتعليم تنبؤاته لنموذج أكثر إحكاماً وقابلية للنقل، مع الحفاظ على قدرات التعميم.
تكيف المجال لنماذج الديناميكية
مجموعة من الأساليب تهدف إلى تعديل نموذج ديناميكية مُدرَّب مسبقًا ليعمل في مجال جديد، مع تقليل الاختلاف بين التوزيعات المصدر والهدف.
نقل النماذج بدون أخذ عينات
قدرة نموذج ديناميكية على العمل في بيئة جديدة تمامًا دون أي تكيف، بفضل التعميم الشديد للبنى المكتسبة.
نموذج انتقال بياني
تمثيل ديناميكيات البيئة على شكل رسم بياني حيث العقد هي الحالات والأضلاع هي الانتقالات الاحتمالية، مما يسهل نقل البنية بين البيئات المتشابهة.
التعلم المستمر للنماذج
نموذج حيث يتم تحديث نموذج الديناميكية باستمرار خلال التفاعل مع بيئات جديدة، مع الحفاظ على المعرفة المكتسبة سابقًا.
النقل عن طريق تكوين النماذج
طريقة يتم فيها دمج النماذج الأولية المكتسبة من المهام الفرعية البسيطة لتكوين نموذج معقد قادر على التعامل مع بيئة مركبة جديدة.
ال不确定性 المعرفية في النقل
تقييم عدم اليقين في النموذج بسبب نقص المعرفة في مناطق فضاء الحالة التي لم يتم استكشافها في البيئة المصدر، وهو أمر حاسم للنقل الآمن.
النموذج العصبي الرمزي الهجين
بنية تجمع بين الشبكات العصبية لتعلم الديناميكيات المعقدة مع مكونات رمزية قابلة للنقل تمثل القيود الفيزيائية الأساسية.
النقل بين الزمني للنماذج
تطبيق نموذج ديناميكي تم تعلمه على مقياس زمني معين للعمل بفعالية على مقاييس زمنية مختلفة في البيئة الهدف.