قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
تحليل المصفوفات عبر الإنترنت (OMF)
مجموعة من التقنيات التي تفكك مصفوفة إلى عوامل ذات رتبة أقل بشكل تسلسلي، مع تحديث العوامل عند وصول بيانات جديدة، دون الحاجة إلى إعادة تدريب كاملة.
الانحدار التدرجي العشوائي (SGD) لتحليل المصفوفات عبر الإنترنت (OMF)
خوارزمية تحسين تكرارية تقوم بتحديث عوامل المصفوفة باستخدام تدرج دالة الخسارة المحسوبة على عينة واحدة (أو دفعة صغيرة) في كل مرة، وهي مثالية لتدفقات البيانات.
تحليل القيم المفردة التزايدي (Incremental SVD)
متغير من تحليل القيم المفردة يقوم بتحديث المتجهات والقيم المفردة الموجودة لدمج أعمدة أو صفوف بيانات جديدة دون إعادة الحساب من البداية.
تتبع الفضاء الجزئي التقريبي بالإسقاط (PAST)
خوارزمية تكرارية تتتبع الفضاء الجزئي المتولد عن المتجهات الذاتية المهيمنة لمصفوفة التغاير في الوقت الفعلي، عن طريق تقليل دالة تكلفة المربعات الصغرى.
النسيان الأسي (Exponential Forgetting)
آلية تمنح وزنًا أكبر للملاحظات الحديثة مقارنة بالقديمة في عملية التحديث، مما يسمح للنموذج بالتكيف مع التغيرات في توزيع البيانات (انجراف المفهوم).
أنظمة التوصية المتدفقة (Streaming Recommender Systems)
أنظمة توصية تستخدم تحليل المصفوفات عبر الإنترنت لتحديث ملفات تعريف المستخدمين والعناصر باستمرار من التفاعلات الجديدة، مما يضمن اقتراحات ذات صلة في الوقت الفعلي.
طريقة المربعات الصغرى التكرارية (RLS)
خوارزمية تكيفية تقلل دالة تكلفة المربعات الصغرى الموزونة بشكل تكراري، مما يوفر تقاربًا سريعًا على حساب تعقيد حسابي أعلى من الانحدار التدرجي العشوائي (SGD).
التحديث بالكتل (Block Update)
استراتيجية لا يتم فيها تحديث عوامل المصفوفة لكل بيانات جديدة، ولكن بعد تراكم كتلة من الملاحظات، مما يوفر حلاً وسطًا بين الاستجابة والكفاءة الحسابية.
تحليل المصفوفات غير السلبية (NMF) عبر الإنترنت
نسخة من تحليل المصفوفات عبر الإنترنت تفرض قيودًا غير سلبية على العوامل، مما ينتج عنه تحليلات إضافية وقابلة للتفسير، وتُستخدم غالبًا لتحليل النصوص أو الصور.
دالة الخسارة عبر الإنترنت
مقياس للخطأ يُحسب على الملاحظات الجديدة لتوجيه تحديث العوامل، وعادةً ما يكون الخطأ التربيعي المتوسط أو تباعدًا (مثل: تباعد كولباك-لايبلر لبيانات العد).
المتانة ضد البيانات الشاذة
قدرة خوارزمية تحليل المصفوفات عبر الإنترنت على عدم التدهور بشكل كبير بسبب وجود الضوضاء أو الملاحظات الخاطئة في تدفق البيانات، غالبًا من خلال دوال خسارة متينة.
التعقيد لكل عينة (Per-Sample Complexity)
مقياس للتكلفة الحسابية (الوقت والذاكرة) المطلوبة لتحديث عوامل المصفوفة بملاحظة جديدة واحدة، وهو معيار أساسي لتقييم قابلية التوسع لخوارزميات عبر الإنترنت.
البدء البارد (Cold-Start)
تحدي تحليل المصفوفات عبر الإنترنت حيث يجب على النموذج تقديم تنبؤات قبل تجميع بيانات كافية لتقدير العوامل الكامنة للمستخدمين أو العناصر الجديدة بشكل موثوق.
خوارزمية أوجا
خوارزمية عشوائية بسيطة لحساب المتجه الذاتي الرئيسي لمصفوفة التغاير عبر الإنترنت، وهي أساسية لتتبع الفضاءات الفرعية في الوقت الفعلي.