قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
المشفر التلقائي التبايني الهرمي (HVAE)
بنية VAE موسعة تحتوي على عدة مستويات من المتغيرات الكامنة المنظمة هرميًا لالتقاط تمثيلات متعددة المقاييس. تتيح نمذجة أدق للهياكل المعقدة من خلال التبعيات الشرطية بين المستويات.
المتغيرات الكامنة الهرمية
مجموعة من المتغيرات الكامنة المنظمة في طبقات حيث يلتقط كل مستوى تجريدات مختلفة للمحتوى. تقوم المستويات العليا بنمذجة الهياكل الكلية بينما تلتقط المستويات الدنيا التفاصيل الدقيقة.
شبكة الاستدلال من الأسفل إلى الأعلى
شبكة استدلال تعالج بيانات الإدخال من الأسفل إلى الأعلى عبر الطبقات الهرمية لـ VAE. يحسب كل مستوى معلمات التوزيع للمتغيرات الكامنة المقابلة باستخدام المعلومات من المستويات الأدنى.
شبكة التوليد من الأعلى إلى الأسفل
شبكة توليدية تقوم بأخذ عينات من المتغيرات الكامنة من المستويات العليا إلى الدنيا لإعادة بناء البيانات. تنفذ توليدًا شرطيًا حيث يعتمد كل مستوى على عينات من المستويات العليا.
VAE السلمي
نسخة محددة من HVAE مع اتصالات جانبية بين مستويات الاستدلال والتوليد. تستخدم تمريرات صاعدة وهابطة مدمجة لتحسين التقدير اللاحق وجودة إعادة البناء.
العمق العشوائي
تقنية تنظيمية حيث يتم تعطيل بعض الاتصالات الهرمية عشوائيًا أثناء التدريب. تحسن التعميم عن طريق إجبار الشبكة على تعلم تمثيلات قوية عند مستويات مختلفة من التجريد.
الحد الأدنى الهرمي للأدلة (ELBO)
حد أدنى للأدلة مُكيّف للهياكل الهرمية مع مصطلحات تباعد KL لكل مستوى كامن. يتضمن مصطلحات إعادة بناء مرجحة وفقًا لتسلسل المتغيرات الكامنة.
انهيار اللاحق
ظاهرة تتجاهل فيها شبكة الاستدلال المتغيرات الكامنة وتنتج لاحقًا متدهورًا يساوي السابق. مشكلة خاصة في HVAE ذات المستويات الهرمية العديدة.
الاستدلال المخفف متعدد المستويات
استراتيجية تحسين حيث يتم مشاركة شبكة عصبية واحدة لتقدير المعلمات الخلفية (posterior parameters) عبر جميع المستويات الهرمية. تقلل من التعقيد الحسابي مع الحفاظ على القدرة التعبيرية.
المتغيرات الكامنة العالمية والمحلية
تمييز في مشفرات التباين الهرمية (HVAE) بين المتغيرات التي تلتقط الخصائص العالمية (النمط، الفئة) والمتغيرات المحلية (التفاصيل المحددة). تقيم المتغيرات العالمية عادةً في المستويات العليا من التسلسل الهرمي.
تخميد تباعد كولباك-لايبلر
تقنية تدريب يتم فيها زيادة وزن حدود تباعد كولباك-لايبلر (KL divergence) تدريجياً. ضرورية في مشفرات التباين الهرمية (HVAE) لتجنب الانهيار الخلفي (posterior collapse) وللسماح بتعلم متوازن بين إعادة البناء والتنظيم.
وصلات التخطي الهرمية
وصلات مباشرة بين مستويات غير متجاورة في التسلسل الهرمي للحفاظ على التدرج (gradient) وتحسين الاستقرار. تسهل تدفق المعلومات بين التمثيلات الدقيقة والمجردة.
خدعة إعادة التوسيط متعددة المقاييس
امتداد لخدعة إعادة التوسيط القياسية (standard reparameterization trick) إلى البنى الهرمية مع أخذ عينات على مستويات متعددة. تتطلب إدارة منسقة للتدرجات (gradients) عبر السلسلة العشوائية بأكملها.
الخلفي المعامل
تقريب خلفي (posterior approximation) حيث تكون المتغيرات الكامنة في كل مستوى مستقلة شرطياً بمعرفة المستويات الأدنى. يبسط الاستدلال مع السماح بالتبعيات الهرمية المعقدة.
الوصلات الكثيفة الهرمية
بنية حيث يتلقى كل مستوى من التسلسل الهرمي كمدخلات تجميع (concatenations) جميع المستويات السابقة. يزيد من تدفق المعلومات ويسهل تعلم التمثيلات الغنية.