قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
التقريب التبايني للمجال المتوسط
فرضية تبسيطية للتحليل العاملي في الاستدلال التبايني، حيث يتم تقريب التوزيع الخلفي بمنتج من التوزيعات المستقلة لكل مجموعة من المعلمات، مما يسهل عملية التحسين.
التحديث المنسق حسب الإحداثيات (CCVI)
خوارزمية تحسين تكرارية للاستدلال التبايني، تقوم بتحديث كل عامل من التوزيع التقريبي بالتتابع مع إبقاء العوامل الأخرى ثابتة، حتى التقارب.
الاستدلال التبايني العشوائي (SVI)
امتداد للاستدلال التبايني يستخدم دفعات صغيرة من البيانات وتقديرات التدرج العشوائي للتوسع إلى مجموعات بيانات ضخمة، مما يجعل تحسين ELBO أكثر فعالية.
الاستدلال التبايني المستهلك (Amortized VI)
نهج يتم فيه التنبؤ بمعلمات التوزيع التبايني بواسطة شبكة عصبية ('مشفّر') من بيانات الملاحظة، مما يتجنب التحسين لكل ملاحظة جديدة.
التوزيع الخلفي التبايني
توزيع احتمالي يتم اختياره ضمن عائلة معلمية لتقريب التوزيع الخلفي الحقيقي في سياق الاستدلال التبايني، ويتم تحسينه لتقليل تباعد كولباك-لايبلر (KL).
التحليل العاملي التبايني
مبدأ يتمثل في فرض بنية تبعية مبسطة (غالبًا الاستقلالية) على التوزيع التبايني لجعل الحسابات والتحسين قابلة للتنفيذ.
تحسين ELBO
العملية المركزية في الاستدلال التبايني التي تتضمن تعظيم الحد الأدنى لدليل الأدلة (ELBO) عبر طرق انحدار التدرج، مما يقرب التوزيع التبايني من التوزيع الخلفي.
الاستدلال التبايني بمونت كارلو
طريقة استدلال تبايني لا تفرض قيودًا على شكل التوزيع التقريبي، وتستخدم عينات مونت كارلو لتقدير وتحسين ELBO، مما يوفر مرونة أكبر.
تباعد كولباك-لايبلر العكسي
نسخة من تباعد كولباك-لايبلر حيث يتم عكس ترتيب التوزيعات (KL(q||p) مقابل KL(p||q))، مما يؤدي إلى تقريبات لاحقة مختلفة، غالبًا ما تكون أكثر 'شمولية' (صفرية القوة) في الاستدلال التبايني.
الاستدلال التبايني الهيكلي
تعميم للحقل المتوسط حيث يتم تقييد التوزيع التبايني بواسطة بنية رسم بياني أكثر تعقيدًا من الاستقلالية الكاملة، مما يلتقط بعض التبعيات لتقريب أفضل.
الاستدلال التبايني الصندوق الأسود (Black-Box VI)
نهج استدلال تبايني يتطلب فقط القدرة على أخذ عينات من النموذج وحساب احتمالية السجل، باستخدام تدرجات مونت كارلو لتحسين ELBO بدون اشتقاقات تحليلية.