قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
المشفر التلقائي متعدد الوسائط
هندسة معمارية هجينة قادرة على ترميز وفك ترميز أنواع متعددة من البيانات في وقت واحد (نص، صورة، صوت). يتعلم هذا النموذج تمثيلات مشتركة وخاصة بكل وسائط.
المشفر التلقائي القائم على المحولات (Transformer)
مشفر تلقائي يستخدم آليات الانتباه لالتقاط التبعيات طويلة المدى في البيانات المتسلسلة. تتفوق هذه الهندسة المعمارية في معالجة اللغة الطبيعية والسلاسل الزمنية.
المشفر التلقائي الهرمي
مشفر تلقائي ذو بنية هرمية متعددة المستويات من التجريد لالتقاط الميزات على مقاييس مختلفة. تسمح هذه الهندسة المعمارية بإعادة بناء تدريجية وضغط متعدد الدقة.
المشفر التلقائي عبر الوسائط
مشفر تلقائي هجين قادر على الترجمة بين وسائط البيانات المختلفة، مثل تحويل النص إلى صورة أو العكس. يتعلم هذا النموذج التعيينات عبر الوسائط في فضاء كامن مشترك.
المشفر التلقائي القائم على الانتباه
مشفر تلقائي يدمج آليات الانتباه لترجيح الميزات المهمة بشكل انتقائي أثناء الترميز وفك الترميز. يحسن هذا النهج الأداء على البيانات ذات المعلومات بعيدة المدى.
المشفر التلقائي التدريجي
مشفر تلقائي يتم تدريبه بشكل تدريجي مع تعقيد متزايد، مضيفًا طبقات أو دقة تدريجيًا. تسهل هذه الطريقة التحسين وتنتج عمليات إعادة بناء ذات جودة أفضل.
المشفر التلقائي التكيفي
مشفر تلقائي قادر على تعديل بنيته أو معلماته ديناميكيًا بناءً على خصائص بيانات الإدخال. يحسن هذا النهج التوازن بين الضغط وجودة إعادة البناء.
المشفر التلقائي الهجين لإزالة الضوضاء والمتغيرات
هندسة معمارية تجمع بين خصائص إزالة الضوضاء للمشفرات التلقائية لإزالة الضوضاء والطبيعة التوليدية للمشفرات التلقائية المتغيرة (VAEs). يتعلم هذا النموذج تمثيلات قوية مع السماح بتوليد بيانات عالية الجودة.
المشفر التلقائي التلافيفي المتناثر
هجين يطبق قيود التناثر على تنشيطات الطبقات التلافيفية لتشجيع تعلم الخصائص المحلية المميزة. هذا المزيج يحسن قابلية التفسير والقدرة على التعميم.
المشفر التلقائي التلافيفي المتكرر
بنية هجينة تدمج طبقات متكررة وتلافيفية لمعالجة البيانات المكانية-الزمانية بكفاءة. يلتقط هذا النموذج كلاً من التبعيات المكانية والزمانية في تسلسلات الفيديو أو السلاسل الزمنية.
المشفر التلقائي التبايني التنافسي
مزيج من المشفرات التلقائية التباينية (VAE) والشبكات التوليدية التنافسية (GAN) يستخدم مميزًا لتحسين جودة العينات المولدة مع الحفاظ على مساحة كامنة منظمة. تتغلب هذه البنية على قيود الضبابية النموذجية للمشفرات التلقائية التباينية القياسية.