قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
Progressive Networks
هندسة للشبكات العصبية تضيف أعمدة جديدة لكل مهمة جديدة مع الحفاظ على المعرفة من المهام السابقة. هذا النهج يتيح التعلم المستمر دون النسيان الكارثي.
Lateral Connections
اتصالات جانبية تربط أعمدة المهام السابقة بالأعمدة الجديدة في هندسة الشبكات التقدمية. هي تسمح بنقل المعرفة وإعادة استخدام الميزات المتعلمة.
Column-wise Architecture
هيكل تنظيمي حيث تمتلك كل مهمة عمودها العصبي المميز والمترابط. هذه الهندسة تسهل توسيع النموذج لمهام جديدة دون إزعاج المعرفة الموجودة.
Forward Transfer
ظاهرة حيث المعرفة المكتسبة من المهام السابقة تحسن الأداء في المهام الجديدة. هذا النقل الإيجابي يتم تحسينه بواسطة الاتصالات الجانبية في الشبكات التقدمية.
Backward Transfer
قدرة النموذج على تحسين الأداء بشكل رجعي في المهام السابقة بعد تعلم مهام جديدة. الشبكات التقدمية تسهل هذا النقل ثنائي الاتجاه للمعرفة.
Knowledge Preservation
آلية تضمن أن المعرفة المكتسبة من المهام السابقة لا تتدهور أثناء تعلم مهام جديدة. هذا الحفظ أساسي في التعلم المستمر.
Task-specific Adapters
وحدات متخصصة تُدرج في الهندسة لتكييف الميزات العامة مع متطلبات كل مهمة محددة. هذه المحولات تسمح بمرونة مثالية مع الحفاظ على المعرفة المشتركة.
Capacity Expansion
استراتيجية لزيادة ديناميكية لسعة النموذج بإضافة أعمدة عصبية جديدة لاستيعاب مهام جديدة. هذا التوسع المcontrolled يمنع تشبع الموارد.
المرونة العصبية
قدرة الشبكات العصبية على التكيف وتعديل اتصالاتها استجابةً لمعلومات جديدة. في الشبكات التدريجية، يتم التحكم في هذه المرونة للحفاظ على المعرفة الموجودة.
الذكاء المشبكي
طريقة التعلم المستمر التي تحدد وتحمي الاتصالات المشبكية المهمة للمهام السابقة. يتم دمج هذا الذكاء المشبكي في آليات الحفاظ على المعرفة.
توطين الوزن المرن
تقنية تنظيم تعاقب التعديلات الهامة للأوزان المشبكية الحاسمة للمهام السابقة. يسمح هذا النهج المرن بالتوازن بين التعلم والحفاظ.
المشابك المدركة للذاكرة
نهج يقيم أهمية كل مشبك بناءً على مساهمته في المهام الماضية لتوجيه التعلم المستقبلي. هذه الوعي الذاكري يحسن نقل المعرفة.
ذاكرة الحلقة التدريجية
آلية تخزين واسترجاع أمثلة من المهام السابقة لمواجهة النسيان الكارثي. توجه هذه الذاكرة الحلقية التدرجات أثناء تعلم المهام الجديدة.
توسيع البنية الديناميكي
عملية إضافة موارد عصبية جديدة تلقائياً عندما يصل النموذج إلى سعته القصوى. هذا التوسيع الديناميكي ضروري لأنظمة التعلم المستمر.
التمثيل متعدد المهام
مساحة خصائص مشتركة تلتقط المعلومات المشتركة بين عدة مهام في وقت واحد. يتم تحسين هذه التمثيلات متعددة المهام في بنية الشبكات التدريجية.