قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
الانحدار المتوقع
خوارزمية تحسين تكرارية تقوم بخطوة انحدار متدرج تليها إسقاط على مجموعة القيود المسموح بها لضمان الجدوى في كل تكرار.
المجموعة الممكنة
مجموعة فرعية من مساحة البحث محددة بقيود مشكلة التحسين، وتحتوي على جميع الحلول التي تلبي مجموعة الشروط المفروضة.
الإسقاط على مجموعة محدبة
عملية رياضية تربط كل نقطة في الفضاء بأقرب نقطة من مجموعة محدبة معينة وفقًا لمعيار محدد، عادةً إقليدي.
قيود عدم المساواة
قيود على شكل g(x) ≤ 0 تحدد مناطق في مساحة البحث حيث تكون الحلول صالحة، وتحول إلى مجموعات ممكنة للتحسين.
خطوة تكيفية
استراتيجية تعديل ديناميكي لمعدل التعلم في خوارزميات الانحدار، مما يحسن التقارب عن طريق تكييف طول الخطوات وفقًا للهندسة المحلية للمشكلة.
التقارب تحت القيود
خاصية لخوارزمية التحسين تضمن التقارب نحو نقطة ثابتة تلبي جميع القيود المفروضة في المشكلة الأصلية.
منطقة الثقة
تقنية تحسين تحد من كل تكرار لمنطقة يعتبر فيها نموذج محلي لوظيفة الهدف موثوقًا به، مع تعديل حجم هذه المنطقة ديناميكيًا.
مشكلة التحسين المحدبة
فئة من التحسين حيث تكون وظيفة الهدف محدبة والمجموعة الممكنة محدبة، مما يضمن وجود حد أدنى عالمي فريد وتقارب الخوارزميات.
التدرج العشوائي المسقط
نسخة من الانحدار المتدرج المسقط تستخدم تقديرات مشوشة للتدرج محسوبة على مجموعات فرعية عشوائية من البيانات لتسريع الحسابات على مجموعات بيانات كبيرة.
طريقة الحزمة
خوارزمية تحسين غير سلسة تجمع معلومات حول التدرجات السابقة لبناء نموذج خطي مجزأ يحسن اتجاه البحث في كل تكرار.
اتجاه ممكن
اتجاه الحركة من نقطة مقبولة يحافظ على استيفاء القيود على مسافة صغيرة، وهو أساسي لضمان جدوى التكرارات.
دالة الحاجز
دالة عقوبة تتجه نحو اللانهاية عند الاقتراب من حدود المجموعة المقبولة، مما يجبر التكرارات على البقاء بدقة داخل النطاق الممكن.
الازدواجية في التحسين
مبدأ رياضي يحدد علاقة بين مشكلة تحسين أولية ومشكلتها المزدوجة، مما يسمح بأساليب بديلة وحدود على القيمة المثلى.
خوارزمية فرانك-وولف
طريقة تحسين مقيدة تتجنب الإسقاطات المكلفة عن طريق حل مشكلة تحسين خطية على المجموعة المقبولة في كل تكرار.
التعيين القريب (Proximal Mapping)
عامل يعمم الإسقاط، ويقلل من مزيج من دالة الهدف ومصطلح تنظيم قريب، وهو ضروري للتحسين غير السلس.