قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
مُعيِّن جيبس (Gibbs Sampler)
حالة خاصة من خوارزمية متروبوليس-هاستينغز حيث يتم أخذ عينة من كل قيمة جديدة من التوزيع الشرطي الكامل لمتغير، بالنظر إلى القيم الحالية لجميع المتغيرات الأخرى.
التهيئة (Burn-in)
المرحلة الأولية في محاكاة مونت كارلو بسلسلة ماركوف (MCMC) حيث يتم تجاهل العينات للسماح للسلسلة بالوصول إلى توزيعها الثابت والتحرر من نقطة بدايتها.
مونت كارلو الهاملتوني (Hamiltonian Monte Carlo - HMC)
خوارزمية MCMC متقدمة تستخدم الميكانيكا الهاملتونية لاقتراح قفزات بعيدة بمعدل قبول عالٍ، مما يقلل من الارتباط الذاتي مقارنةً بطرق المشي العشوائي.
المشي العشوائي (Random Walk)
استراتيجية اقتراح في متروبوليس-هاستينغز حيث تكون الحالة الجديدة هي الحالة الحالية بالإضافة إلى اضطراب عشوائي، وغالبًا ما تكون غير فعالة للتوزيعات ذات الأبعاد العالية.
تشخيص التقارب (Convergence Diagnostic)
مجموعة من التقنيات الإحصائية والبصرية (مثل $\bar{R}$ لـ جيلمان-روبين، رسوم المسارات) لتقييم ما إذا كانت سلسلة MCMC واحدة أو أكثر قد وصلت إلى توزيعها الثابت.
حجم العينة الفعال (Effective Sample Size - ESS)
عدد العينات المستقلة المكافئة في سلسلة MCMC ذاتية الارتباط، ويتم حسابه بقسمة العدد الإجمالي للتكرارات على عامل الارتباط الذاتي.
التوزيع المقترح (Proposed Distribution)
التوزيع الشرطي $q(x'|x)$ المستخدم لتوليد مرشح من الحالة الحالية $x$ في خوارزميات متروبوليس-هاستينغز، ويؤثر اختيار هذا التوزيع على كفاءة الاستكشاف.
معيار القبول (Acceptance Criterion)
قاعدة احتمالية في متروبوليس-هاستينغز لاتخاذ قرار بقبول أو رفض حالة مقترحة، بناءً على نسبة كثافات التوزيع المستهدف والاقتراح.
لا دورية
خاصية لسلسلة ماركوف تضمن أنها لا تقع في دورات حتمية، وهو شرط ضروري لضمان التقارب نحو توزيع ثابت فريد.
عدم القابلية للاختزال
خاصية لسلسلة ماركوف تضمن إمكانية الوصول إلى أي حالة في الفضاء من أي حالة أخرى باحتمالية غير صفرية في عدد محدود من الخطوات.
التخفيف (Thinning)
تقنية ما بعد المحاكاة تتضمن الاحتفاظ بعينة واحدة فقط من كل $k$ عينة لتقليل الارتباط الذاتي وحمل التخزين، على الرغم من أن فائدتها غالبًا ما تكون محل نقاش.
أخذ العينات بالتقطيع (Slice Sampling)
طريقة MCMC تقوم بأخذ عينات من التوزيع المستهدف عن طريق إدخال متغير مساعد ('الشريحة') واستكشاف الفضاء الفرعي المحدد بهذه الشريحة بشكل موحد.
وقت التكامل
في HMC، معلمة تتحكم في مدة محاكاة النظام الهاملتوني قبل اقتراح متروبوليس، مما يؤثر على المسافة المقطوعة في فضاء المعلمات.
مصفوفة الكتلة
في HMC، مصفوفة تحدد مقياس الفضاء الحركي، وتعديلها (غالبًا إلى قطر مصفوفة التغاير الخلفي) أمر بالغ الأهمية لفعالية الخوارزمية.
أخذ العينات الجماعي (Ensemble Sampling)
عائلة من خوارزميات MCMC (مثل Affine Invariant) تستخدم عدة متجولين بالتوازي لاستكشاف الفضاء، مما يحسن الأداء على التوزيعات متعددة الأنماط أو شديدة الارتباط.