قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
التنعيم البايزي
تقنية تقدير لاحق للحالات المخفية في سلسلة زمنية باستخدام جميع الملاحظات السابقة والمستقبلية. على عكس التصفية التي تستخدم فقط الملاحظات السابقة، يوفر التنعيم تقديرات أكثر دقة من خلال استغلال المعلومات الكاملة للسلسلة.
النموذج البايزي لمساحات الحالة
إطار احتمالي لنمذجة السلاسل الزمنية كعملية كامنة غير قابلة للملاحظة تتطور في فضاء الحالة، مع ملاحظات تعتمد على هذه الحالات. يتيح النهج البايزي استنتاج معلمات النموذج والحالات المخفية في وقت واحد مع قياس عدم اليقين.
طرق مونت كارلو لسلاسل ماركوف الزمنية
تقنيات أخذ العينات المناسبة للاستدلال في النماذج البايزية للسلاسل الزمنية، حيث تستكشف سلاسل ماركوف فضاء المعلمات والحالات المخفية. تتيح تقريب التوزيعات اللاحقة المعقدة عندما تكون الحلول التحليلية مستحيلة.
مرشح الجسيمات البايزي
خوارزمية تصفية تسلسلية للنماذج غير الخطية وغير الغوسية، تستخدم مجموعة من الجسيمات الموزونة لتمثيل توزيع احتمالية الحالة. وهي مناسبة بشكل خاص للنماذج البايزية حيث يكون التقريب الغوسي لمرشح كالمان غير صالح.
التنبؤ بالتوزيع التنبؤي
نهج بايزي حيث لا يكون التنبؤ نقطة فريدة بل توزيع احتمالي كامل يدمج عدم اليقين في المعلمات والضوضاء. يسمح بتوليد فترات مصداقية وسيناريوهات احتمالية للقيم المستقبلية.
العملية الغوسية الزمنية
نهج بايزي غير معلمي حيث يتم نمذجة الوظيفة الأساسية للسلسلة الزمنية كعملية غوسية مع دالة تغاير زمنية. توفر مرونة ملحوظة لالتقاط الأنماط المعقدة مع توفير حالات عدم يقين تحليلية للتنبؤات.
الاستدلال التبايني للسلاسل الزمنية
طريقة تقريب حتمية للتوزيعات اللاحقة في النماذج البايزية للسلاسل الزمنية، تحسن عائلة من التوزيعات البسيطة لتقليل الاختلاف عن التوزيع الحقيقي. تشكل بديلاً أسرع من MCMC لمجموعات البيانات الكبيرة.
النموذج البايزي لتغيير النظام
فئة من النماذج حيث يمكن أن تتغير معلمات العملية المولدة وفقاً لسلسلة ماركوف مخفية، مع استدلال بايزي لتقدير الأنظمة واحتمالاتها. وهي مناسبة بشكل خاص للسلاسل الزمنية التي تظهر سلوكيات غير متجانسة أو انقطاعات هيكلية.
مرشح راوش-تونغ-ستريبل البايزي
خوارزمية تنعيم مثالية للنماذج الخطية الغوسية، تقوم بتمرير عكسي لتقديرات مرشح كالمان لدمج المعلومات المستقبلية. في الإطار البايزي، توفر التوزيعات الخلفية الدقيقة للحالات المخفية شرطياً لجميع المشاهدات.
نموذج التقلب العشوائي البايزي
مواصفة بايزية حيث يتطور تباين ضوضاء السلسلة الزمنية وفقاً لعملية كامنة عشوائية، غالباً ما يتم نمذجتها بواسطة AR(1). تتيح الطريقة البايزية استدلالاً دقيقاً حول التقلب الماضي والمستقبلي، وهو أمر أساسي في التمويل والقياس الاقتصادي.
التنبؤ المجمع البايزي (BMA)
طريقة تجمع بين عدة نماذج تنبؤية باستخدام الاحتمالات الخلفية البايزية كأوزان، متضمنة كلاً من عدم اليقين في النماذج وعدم اليقين في المعلمات. غالباً ما تتفوق على النماذج الفردية من خلال استغلال نقاط قوتها التكميلية.
نموذج المدة البايزي
نهج بايزي لنمذجة الوقت المنقضي بين الأحداث في سلسلة زمنية، باستخدام توزيعات مثل ويبل أو اللوغاريتمي-اللوجستي مع معلمات عشوائية. يسمح بدمج المتغيرات المشتركة وتقدير عدم اليقين حول أوقات الحدوث المستقبلية.
الاستدلال البايزي المتصل
نمط استدلال تسلسلي حيث يتم تحديث التوزيعات الخلفية تدريجياً مع وصول مشاهدات جديدة، دون الحاجة إلى إعادة تحليل جميع البيانات السابقة. إنه حاسم للتطبيقات في الوقت الفعلي مثل اكتشاف الشذوذ أو تتبع الحالات.