قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
تحليل المصفوفات الزمنية (TMF)
توسيع لتحليل المصفوفات الكلاسيكي الذي يدمج قيودًا زمنية لالتقاط ديناميكية وتطور العوامل الكامنة بمرور الوقت في البيانات.
تحليل القيم المفردة الزمنية (SVD)
تطبيق تحليل القيم المفردة (SVD) على مصفوفات البيانات المنظمة زمنيًا، حيث يمكن أن تمثل المتجهات المفردة اليسرى واليمنى ملفات تعريف زمنية وكيانات مكانية أو موضوعية.
تحليل المكونات الرئيسية الديناميكي (DPCA)
تقنية لتقليل الأبعاد توسع تحليل المكونات الرئيسية (PCA) إلى السلاسل الزمنية من خلال مراعاة الفروق الزمنية (lags) للمتغيرات لالتقاط العلاقات الديناميكية.
نموذج العوامل الكامنة الزمنية
إطار إحصائي يفترض أن السلاسل الزمنية المرصودة تتولد عن عدد أقل من العمليات الكامنة غير المرصودة التي تتطور وفقًا لديناميكية زمنية خاصة بها.
تحليل PARAFAC/CANDECOMP
طريقة لتحليل الموترات (تعميم المصفوفات إلى أبعاد أعلى) مناسبة للسلاسل الزمنية متعددة المتغيرات، حيث تقوم بتفكيك الموتر إلى مجموع موترات من الرتبة الأولى.
مرشح كالمان للتحليل
خوارزمية تقدير تكرارية للحالات في نظام ديناميكي خطي، تستخدم لتحليل سلسلة زمنية إلى مكونات (اتجاه، دورة، موسمية) يتم نمذجتها كحالات مخفية.
متوسط الحركة التجريبي للتحليل (CEEMDAN)
نسخة محسّنة من تحليل النمط التجريبي (EMD) تضيف ضوضاء تكيفية لحل مشاكل خلط الأنماط وتوفير تحليل أكثر استقرارًا واكتمالًا.
تحليل المويجات (Wavelet Decomposition)
تقنية تحول سلسلة زمنية إلى مجال الزمن-التردد، مما يسمح بعزل المكونات على مقاييس زمنية مختلفة، وهي مفيدة لتحليل الظواهر غير المستقرة.
مصفوفة هانكل المهيكلة
بناء مصفوفة من سلسلة زمنية حيث يكون لكل قطر مضاد متوازي قيمة ثابتة، وهو شرط مسبق شائع لطرق التفكيك القائمة على الرتبة (SSA).
تحليل الطيف المفرد (SSA)
طريقة غير معلمية لتفكيك السلاسل الزمنية تقوم بإسقاط السلسلة على أساس من المتجهات الذاتية المستنتجة من مصفوفة المسار (مصفوفة هانكل)، مما يفصل الإشارة عن الضوضاء.
تفكيك النمط التجريبي (EMD)
خوارزمية تفكيك تكيفية تعتمد على البيانات تستخرج المكونات التذبذبية الجوهرية (IMF) لسلسلة زمنية غير خطية وغير ثابتة من خلال عملية غربلة.
تحليل المصفوفات غير السلبية (NMF) الزمني
تطبيق NMF على البيانات المتسلسلة مع قيود تنظيمية زمنية (مثل التنعيم) لضمان تطور العوامل الأساسية ومعاملات التنشيط بطريقة متماسكة.
تفكيك التباين العشوائي (SVD العشوائي)
نسخة من SVD يتم حسابها بشكل تكراري على دفعات صغيرة من البيانات، ومناسبة لتدفقات السلاسل الزمنية عالية الأبعاد حيث يكون التفكيك الدقيق مكلفًا جدًا من الناحية الحسابية.
انحدار المربعات الصغرى الجزئية (PLS) الزمني
طريقة نمذجة تبني متغيرات كامنة عن طريق تعظيم التغاير مع الهدف، مع دمج معلومات التأخيرات الزمنية للتنبؤ في السلاسل الزمنية.