قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
آلة بولتزمان
شبكة عصبية عشوائية غير موجهة تتكون من خلايا عصبية ثنائية مترابطة، تُستخدم لنمذجة توزيع الاحتمال لبيانات الإدخال وتعلم التمثيلات الداخلية.
شبكة بولتزمان المقيدة
نسخة مبسطة من آلة بولتزمان حيث توجد الاتصالات فقط بين طبقات الخلايا العصبية المرئية والمخفية، ولكن ليس داخل كل طبقة.
الطاقة الحرة
دالة رياضية تحدد طاقة حالة معينة في آلة بولتزمان، تُستخدم لحساب احتمال كل تكوين للشبكة.
الوحدات المرئية
الخلايا العصبية في آلة بولتزمان التي تتوافق مباشرة مع المتغيرات الملاحظة في بيانات الإدخال وتعمل كواجهة مع العالم الخارجي.
الوحدات المخفية
الخلايا العصبية الداخلية في آلة بولتزمان التي تلتقط الاعتمادات الإحصائية المعقدة بين الوحدات المرئية وتتيح تعلم التمثيلات المجردة.
توزيع بولتزمان
توزيع احتمالي أسي يصف حالة التوازن الديناميكي الحراري لنظام، وتُبنى عليه الصياغة الرياضية لآلات بولتزمان.
آلة بولتزمان العميقة
بنية موسعة لآلات بولتزمان مع عدة طبقات مخفية، مما يتيح التعلم الهرمي لتمثيلات أكثر تجريدًا.
التباعد التبايني المستمر
متغير من التباين التبايني حيث لا يتم إعادة تعيين سلسلة ماركوف بين التكرارات، مما يحسن جودة العينة وتقارب التدريب.
État thermodynamique
Configuration spécifique des activations de tous les neurones dans une Machine de Boltzmann, caractérisée par son niveau d'énergie selon la fonction d'énergie du réseau.
Température RBM
Paramètre contrôlant le niveau de stochasticité dans l'activation des neurones, influençant l'exploration de l'espace des états et la capacité du réseau à modéliser les données.
Poids synaptiques
Paramètres d'une Machine de Boltzmann quantifiant la force et le signe des connexions entre les neurones, optimisés durant l'entraînement pour minimiser l'énergie des configurations probables.
Biais neuronique
Paramètres individuels ajoutés à chaque neurone dans une Machine de Boltzmann, modifiant sa probabilité d'activation indépendamment de ses connexions avec les autres neurones.
Modèle génératif stochastique
Classe de modèles dont les Machines de Boltzmann font partie, capables de générer de nouvelles données en échantillonnant à partir de la distribution de probabilité apprise.
Apprentissage non-supervisé
Paradigme d'entraînement où les Machines de Boltzmann apprennent la structure inhérente des données sans étiquettes, en maximisant la vraisemblance des données d'entraînement.