قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
TimeGAN
هيكلية GAN مصممة خصيصًا لتوليد السلاسل الزمنية الواقعية من خلال التقاط الاعتمادات الزمنية والتوزيعات متعددة الأبعاد المعقدة للبيانات المتسلسلة.
المشفّر التلقائي المتغير الزمني
نموذج توليدي يتعلم تمثيلًا كامنًا مستمرًا للسلاسل الزمنية ويمكنه توليد سلاسل جديدة عن طريق العينة من هذا الفضاء الكامن مع الحفاظ على الهيكل الزمني.
التذبذب الزمني
تقنية تكثيف تضيف ضوضاء غاوسية إلى النقاط الزمنية لمحاكاة التباينات في القياس وتحسين قوة النموذج أمام الشكوك الزمنية.
التشوه الزمني
طريقة تشوه زمني تعدل سرعة تطور السلسلة الزمنية بشكل طفيف لإنشاء اختلافات مع الحفاظ على الأنماط الأساسية والخصائص العامة.
SMOTE الزمني
تكيف خوارزمية SMOTE للسلاسل الزمنية التي تولد عينات اصطناعية عن طريق الاستيفاء بين النقاط الزمنية المجاورة مع احترام الاستمرارية الزمنية والقيود التسلسلية.
الانتشار الزمني
نهج توليدي يطبق الضوضاء بشكل تدريجي على السلاسل الزمنية ثم يتعلم عكس هذه العملية لتوليد سلاسل جديدة واقعية بخصائص زمنية متماسكة.
تقطيع النوافذ
طريقة تكثيف تستخرج نوافذ زمنية فرعية من أحجام ومواضيع مختلفة من السلاسل الأصلية لزيادة تنوع بيانات التدريب مع الحفاظ على الأنماط المحلية.
الخلط الزمني
استراتيجية تنظيم تجمع بشكل خطي بين سلسلتين زمنيتين بمعامل خلط عشوائي لإنشاء عينات اصطناعية جديدة مع الحفاظ على الاتساق الزمني للتسلسلات.
موجات اصطناعية
تقنية إنشاء تستخدم تحليل الموجات لإنشاء سلاسل زمنية جديدة من خلال إعادة جمع معاملات الموجات المختلفة بمعلمات قابلة للتعديل للتحكم في الخصائص الترددية والزمنية.
GAN المتكرر
بنية GAN تدمج الشبكات العصبية المتكررة (LSTM/GRU) في المولد والمميز لالتقاط الاعتمادات طويلة الأمد والأنماط المتسلسلة بكفاءة في السلاسل الزمنية المولدة.
الاستيفاء بالسبلين
طريقة زيادة تستخدم دوال السبلين للاستيفاء بين النقاط الزمنية الموجودة، مما يخلق سلاسل سلسة وواقعية مع تدرجات مستمرة تحافظ على الديناميكية الزمنية.
الكوبولا الزمنية
نهج إحصائي يقوم بنمذجة بنية الاعتماد بين النقاط الزمنية المختلفة لإنشاء سلاسل اصطناعية تحافظ على الارتباطات الزمنية والتوزيعات الحدية.
التحجيم الزمني
تقنية زيادة تضرب قيم السلسلة الزمنية بعامل عشوائي لمحاكاة سعات مختلفة مع الحفاظ على الشكل والأنماط الزمنية الأساسية.
الاقتطاع الزمني
طريقة تختار عشوائياً مقاطع متصلة من السلاسل الزمنية لإنشاء تسلسلات أقصر، مما يزيد من تنوع البيانات مع الحفاظ على الأنماط المحلية المهمة.
GAN القائم على المحول
بنية توليدية تستخدم آليات الانتباه المحول (Transformer) لالتقاط الاعتمادات طويلة المدى والعلاقات المعقدة في السلاسل الزمنية المتعددة المتغيرات أثناء التوليد الاصطناعي.
الزيادة بإزالة الضوضاء
استراتيجية تضيف ضوضاء مضبوطة إلى السلاسل الزمنية ثم تدرب نموذجاً على إعادة بناء البيانات الأصلية، مما يولد نسخاً قوية ومتنوعة قليلاً من التسلسلات الأولية.
التركيب بالمسار العشوائي
طريقة توليدية تستخدم عمليات المسار العشوائي بمعلمات مُعايرة على البيانات الموجودة لإنشاء سلاسل زمنية اصطناعية تحافظ على الخصائص الإحصائية الأساسية.
شبكات الخصم التوليدية الشرطية الزمنية
متغير من شبكات الخصم التوليدية التي تولد سلاسل زمنية مشروطة ببيانات وصفية أو حالات أولية محددة، مما يسمح بالتحكم الدقيق في خصائص التسلسلات المولدة.
الترميز التلقائي التنبؤي
نموذج يتعلم التنبؤ بالنقاط الزمنية المستقبلية مع ضغط التسلسلات الماضية، مما يسمح بتوليد استمرارات متسقة للسلاسل الزمنية الموجودة.