قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
تحليل المصفوفات غير السلبية (NMF)
تقنية جبر خطي تقوم بتفكيك مصفوفة V غير سلبية إلى مصفوفتين W و H غير سلبيتين أيضًا، بحيث تكون V ≈ WH، مما يعزز التفسير الإضافي للبيانات.
مصفوفة الأساس (W)
في تحليل المصفوفات غير السلبية (NMF)، تحتوي المصفوفة W على متجهات الأساس أو 'المكونات' التي، عند دمجها خطيًا، تعيد بناء البيانات الأصلية، حيث يمثل كل عمود خاصية أساسية.
مصفوفة المعاملات (H)
تمثل المصفوفة H في تفكيك NMF الأوزان أو معاملات التنشيط لكل أساس (من W) لكل عينة بيانات، مما يشير إلى مساهمتها.
رتبة التحليل
معامل حاسم في NMF، تحدد الرتبة (k) عدد المكونات أو العوامل الكامنة المراد استخلاصها، وتتحكم في دقة التفكيك ومستوى الضغط.
خطأ متوسط التربيع (معيار فروبينيوس)
دالة التكلفة الأكثر شيوعًا في NMF، تحسب مجموع مربعات الفروق بين عناصر V و WH، بهدف تقليل المسافة الإقليدية الكلية.
قواعد التحديث الضربي
خوارزمية تحسين تكرارية خاصة بـ NMF تقوم بتحديث المصفوفتين W و H عن طريق الضرب عنصرًا بعنصر، مما يضمن الحفاظ على قيد عدم السلبية.
تكلفة التباعد
مصطلح تنظيم يضاف إلى دالة تكلفة NMF لتشجيع المصفوفتين W و/أو H على احتواء العديد من الأصفار، مما يحسن قابلية التفسير واختيار الميزات.
NMF المحدب
متغير من NMF حيث تكون مصفوفة الأساس W ثابتة ومحددة مسبقًا (غالبًا من قاموس بيانات)، مما يجعل مشكلة التحسين محدبة ويضمن حلاً فريدًا لـ H.
NMF المتوازي (Parallel NMF)
نهج حوسبة موزع لـ NMF، حيث يتم تحديث عناصر المصفوفتين W و H في وقت واحد على عدة أنوية أو عقد حوسبة لتسريع التقارب.
قابلية التفسير الإضافية
ميزة رئيسية لـ NMF مقارنة بالتحليلات الأخرى مثل PCA، حيث تكون المكونات أجزاءً تتجمع لتشكل الكل، مما يسهل فهمًا بديهيًا للبيانات.
تهيئة NMF
عملية حاسمة لاختيار القيم الأولية للمصفوفتين W و H، تؤثر على سرعة التقارب وجودة الحل النهائي، لأن التحسين ليس محدبًا.
NMF المتعامد
امتداد لـ NMF يضيف قيد التعامد على مصفوفة المعاملات H (أو الأساس W)، مما يجبر المكونات على أن تكون أقل ارتباطًا وأكثر تميزًا.
استقرار NMF
قياس اتساق حلول NMF التي تم الحصول عليها من تهيئات مختلفة أو عينات فرعية من البيانات، حيث يشير الاستقرار المنخفض إلى حل قد لا يكون قويًا.
التجميع المشترك بواسطة NMF
تطبيق لـ NMF حيث يكشف التحليل العاملي المتزامن لصفوف وأعمدة المصفوفة عن مجموعات من العينات والميزات التي تشترك في هياكل كامنة مشتركة.
NMF لمعالجة الإشارة
استخدام NMF لفصل مصادر الصوت أو تحليل الإشارات الطيفية إلى مكونات أساسية (نغمات، آلات) من خلال استغلال طبيعتها الإضافية وغير السلبية.
NMF في تحليل النصوص
تطبيق NMF على مصفوفات المصطلحات-المستندات لاكتشاف 'المواضيع' (المصفوفة W) ومساهمتها (المصفوفة H) في كل مستند، مما يوفر تفسيرًا موضوعيًا واضحًا.
طريقة الإحداثيات المتناوبة (ALS)
استراتيجية تحسين لـ NMF تحل المشكلة بشكل تكراري عن طريق تثبيت مصفوفة (H) لتحسين المصفوفة الأخرى (W)، ثم تبديل الأدوار حتى التقارب.