قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
S3VM (التحسين الأدنى المتسلسل)
خوارزمية تحسين تكرارية تقوم بتفكيك مشكلة تدريب آلات المتجهات الداعمة (SVM) إلى سلسلة من المشاكل الفرعية للتحسين الأبسط، حيث يقوم كل منها بتحديث مضاعفين لاغرانج فقط في كل مرة.
مشكلة التحسين الفرعية
مشكلة تحسين مقيدة ذات حجم مخفض تتضمن متغيرين فقط، يتم حلها تحليليًا في كل تكرار من خوارزمية S3VM لضمان التقارب والكفاءة الحسابية.
زوج متجهات الدعم
نقطتان تدريب يتم اختيارهما للتحديث التكراري لمضاعفات لاغرانج في S3VM، وعادة ما يكون أحدهما متجهًا ينتهك شروط كاروش-كون-تاكر (KKT) ومكمله.
استدلال اختيار SMO
استراتيجية لاختيار أزواج المتغيرات المراد تحسينها في S3VM، تجمع بين استدلال تقريبي للمضاعف الأول واستدلال دقيق لزيادة تقدم التحسين.
الحد الأعلى للتحديث
قيد رياضي يضمن بقاء مجموع مضاعفي لاغرانج ضمن نطاق صلاحية محدد بواسطة معلمات التنظيم وتصنيفات الفئات.
عتبة التحسين
معامل تسامح يحدد متى تعتبر شروط كاروش-كون-تاكر (KKT) مستوفاة، ويتحكم في دقة الحل النهائي ويؤثر على وقت التقارب.
طريقة التفكيك
نموذج خوارزمي يحول مشكلة تحسين واسعة النطاق إلى سلسلة من المشاكل الفرعية الأبسط والأكثر قابلية للإدارة، وهو الأساس النظري لنهج S3VM.
ذاكرة التخزين المؤقت للنواة
هيكل بيانات في الذاكرة يخزن القيم المحسوبة مسبقًا لدالة النواة بين أزواج النقاط، مما يسرع بشكل كبير التقييمات المتكررة أثناء تكرارات S3VM.
متغير التراخي (Slack)
متغير يتم إدخاله في صياغة الهامش المرن لآلات المتجهات الداعمة (SVM) للسماح بانتهاكات القيود، ويتم التعامل معه بشكل غير مباشر من خلال الحدود العليا للمضاعفات في S3VM.
استراتيجية التقليص (Shrinking)
تقنية تحسين تزيل مؤقتًا المتجهات التي وصلت إلى حدها الأعلى أو الأدنى من القائمة النشطة، مما يقلل من التعقيد الحسابي للتكرارات المتأخرة.
دالة الهدف لـ S3VM
دالة تكلفة تربيعية يتم تعظيمها وتمثل هامش المصنف، ويتم تقييمها محليًا لكل زوج من المتغيرات خلال خطوات التحسين المتسلسلة.
التقارب التحليلي
خاصية مميزة لـ S3VRM حيث يمكن حل كل مشكلة فرعية من متغيرين بدقة بواسطة صيغة تحليلية، مما يضمن تقدمًا رتيبًا نحو الأمثل العالمي.