قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
خريطة حرارية للأوزان
تصور مصفوفي مرمّز بالألوان يمثل شدة الأوزان التشابكية بين الخلايا العصبية في الشبكة، مما يسمح بتحديد الاتصالات الأكثر تأثيرًا في النموذج.
رسم بياني لتنشيط الخلايا العصبية
تمثيل مرئي لقيم تنشيط الخلايا العصبية في طبقات مختلفة من الشبكة، يوضح كيف تتحول المعلومات تدريجيًا عبر بنية النموذج.
مخطط بنية النموذج
مخطط هيكلي مفصل يوضح الطبقات والاتصالات وأبعاد الموترات في شبكة عصبية، مما يسهل فهم التنظيم العام للنموذج.
خريطة الميزات العميقة
تصور ثنائي أو ثلاثي الأبعاد للميزات التي تعلمتها الطبقات العميقة للشبكة، يكشف عن الأنماط المجردة التي حددها النموذج في بيانات الإدخال.
رسم بياني لأهمية المتغيرات
مخطط شريطي أو راداري يصنف الميزات وفقًا لمساهمتها التنبؤية في النموذج، مما يسمح بتحديد المتغيرات الأكثر حسمًا للتنبؤات.
تصور الفضاء الكامن
إسقاط ثنائي/ثلاثي الأبعاد للفضاء عالي الأبعاد حيث يقوم النموذج بترميز البيانات، يكشف عن البنية والعلاقات المخفية بين العينات في هذا الفضاء المجرد.
مخطط سانكي لتدفق البيانات
تصور تطوري يوضح تدفق وتحويل البيانات عبر الطبقات المختلفة للشبكة، مع أشرطة تتناسب مع أهمية الاتصالات.
رسم بياني للتدرجات المتكاملة
تصور يوضح كيفية تراكم التدرجات على طول مسارات الشبكة، مما يساعد على فهم المسارات التي تساهم أكثر في القرارات النهائية للنموذج.
خريطة الأهمية (Saliency Map)
تراكب ملون على بيانات الإدخال يشير إلى المناطق التي تؤثر بشكل أكبر على تنبؤ النموذج، وهو أمر ضروري لفهم التركيز الانتباهي للشبكة.
تصور SHAP
تمثيلات رسومية تستند إلى قيم SHAP تُظهر التأثير الفردي والجماعي لكل متغير على التنبؤات، مع تفسيرات محلية وعالمية.
رسم بياني LIME
تصور للتفسيرات المحلية التي تم إنشاؤها بواسطة LIME، يوضح أوزان ومساهمات الميزات لتنبؤ معين باستخدام رسوم بيانية توضيحية.
مخطط t-SNE
إسقاط غير خطي لتضمينات النموذج في بعدين يحافظ على العلاقات المحلية، ويكشف عن التجمعات والبنية الجوهرية للتمثيلات المتعلمة.
تصور UMAP
إسقاط الأبعاد بديل لـ t-SNE يحافظ بشكل أفضل على البنية العالمية للبيانات، مما يوفر رؤية أكثر دقة للعلاقات واسعة النطاق في الفضاء الكامن.
خريطة الانتباه
تصور لأوزان الانتباه في نماذج المحولات (transformers)، يوضح الأجزاء من الإدخال التي يعتبرها النموذج مهمة لكل خطوة معالجة.
حد القرار المتحرك
تصور ديناميكي يوضح كيف يتطور سطح قرار النموذج أثناء التدريب، ويوضح التعلم التدريجي لحدود التصنيف.
مخطط توزيع التنشيطات حسب الطبقة
توزيع قيم التنشيط لكل طبقة من الشبكة، مما يسمح بتحديد مشاكل التشبع أو موت الخلايا العصبية أثناء التدريب.
مصفوفة الأوزان الاتصالية
تمثيل مصفوفي كامل للأوزان بين جميع طبقات الشبكة، يتم تصويره كصورة حرارية لتحديد أنماط الاتصال الناشئة.