قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
المشفر التلقائي المتقلص (CAE)
نوع من المشفرات التلقائية تتضمن دالة الخسارة فيه عقوبة على معيار مصفوفة جاكوبيان للمشفر، مما يجبر التمثيل الكامن على أن يكون غير حساس للتغيرات الصغيرة في المدخلات.
العقوبة الجاكوبية
مصطلح تنظيمي يضاف إلى دالة الخسارة للمشفر التلقائي المتقلص، ويُحسب كمجموع مربعات المشتقات الجزئية للتمثيل الكامن بالنسبة لكل بكسل من المدخلات.
المتانة ضد الاضطرابات
قدرة النموذج، وخاصة المشفر التلقائي المتقلص، على الحفاظ على أداء مستقر في مواجهة تعديلات طفيفة أو ضوضاء في بيانات الإدخال.
دالة الخسارة المتقلصة
دالة هدف تجمع بين خطأ إعادة البناء القياسي والعقوبة الجاكوبية، يتم تحسينها أثناء تدريب المشفر التلقائي المتقلص.
تلاشي التدرج (Gradient Vanishing)
مشكلة محتملة أثناء حساب العقوبة الجاكوبية في الشبكات العميقة، حيث يمكن أن تصبح التدرجات صغيرة للغاية، مما يجعل التحسين صعبًا.
المساحة الكامنة المتقلصة
مساحة التمثيل منخفضة الأبعاد التي ينتجها مشفر CAE، وتتميز بانخفاض الحساسية للتغيرات المحلية في المدخلات.
عامل التنظيم (لامدا)
معلمة فائقة تتحكم في الأهمية النسبية للعقوبة الجاكوبية مقارنة بخطأ إعادة البناء في دالة الخسارة للمشفر التلقائي المتقلص.
فصل العوامل (Factor Disentanglement)
هدف مرتبط بالمشفرات التلقائية المتقلصة حيث يهدف التمثيل الكامن إلى التقاط عوامل التباين الأكثر أهمية في البيانات مع تجاهل التغيرات غير المعلوماتية.
المشفر التلقائي لإزالة الضوضاء (Denoising Autoencoder)
نموذج ذو صلة يتعلم إعادة بناء مدخلات نظيفة من نسخة مشوهة، يتشارك هدف المتانة مع المشفر التلقائي الانكماشي ولكن عبر نهج مختلف.
حساسية النموذج
مقياس لتغير مخرجات النموذج (هنا، التمثيل الكامن) استجابةً لتعديلات صغيرة في مدخلاته، وهو ما يسعى المشفر التلقائي الانكماشي إلى تقليله.
التنظيم بالقيد
استراتيجية تنظيم مستخدمة في المشفرات التلقائية الانكماشية، حيث يتم فرض قيد صريح (العقوبة على اليعقوبي) على معاملات النموذج لتوجيه تعلمه.