قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
واجهة باريتو
مجموعة الحلول المثالية حيث لا توجد حلول أخرى أفضل في جميع الأهداف في نفس الوقت، وهو أمر أساسي لتحسين الأهداف المتعددة في البحث عن الهيكل العصبي.
التحسين متعدد الأهداف
عملية رياضية للتحسين تهدف إلى تحسين عدة أهداف متناقضة في نفس الوقت، مثل الدقة واستهلاك الطاقة في البحث عن الهيكل العصبي.
البحث عن الهيكل الموعي بالطاقة
منهجية البحث عن الهيكل العصبي التي تحسن استهلاك الطاقة للهياكل كهدف رئيسي أو قيد أثناء البحث.
البحث عن الهيكل العصبي المقيد بالزمن
تقنية البحث عن الهيكل حيث يستخدم زمن الاستدلال كقيد أو هدف في فضاء البحث عن الهياكل.
الهيكل الأمثل لباريتو
الهيكل العصبي الذي يحقق التوازن الأمثل بين عدة أهداف متناقضة دون إمكانية تحسين جانب دون تدهور جانب آخر.
البحث عن الهيكل العصبي التطوري متعدد الأهداف
نهج البحث عن الهيكل العصبي باستخدام خوارزميات تطورية مثل NSGA-II لاستكشاف عدة أهداف في نفس الوقت في فضاء الهياكل.
البحث عن الهيكل العصبي الكفء في استخدام الموارد
عائلة من طرق البحث عن الهيكل العصبي المصممة لتقليل استخدام الموارد الحاسوبية أثناء البحث مع تحسين الأهداف المتعددة.
المفاضلة بين الدقة والزمن
العلاقة المتناقضة الأساسية بين دقة التنبؤ للنموذج وسرعة استدلاله، وهي مركزية في البحث عن الهيكل العصبي متعدد الأهداف.
البحث عن الهيكلية المدرك للتوسع
نهج البحث عن الهيكلية الذي يأخذ في الاعتبار قدرة النموذج على التكيف بكفاءة مع مختلف مقاييس البيانات والحوسبة كهدف.
البحث عن الهيكلية كفاءة الذاكرة
طريقة NAS تحسن بشكل خاص استخدام الذاكرة للهيئات المرشحة، حاسمة للنشر على الأجهزة المقيدة.
البحث عن الهيكلية العصبية أولاً للجوّال
استراتيجية NAS مصممة خصيصًا لتحسين الهيئات للنشر على الأجهزة المحمولة مع قيود متعددة الأهداف صارمة.
تحسين هيكلية الحوسبة الطرفية
عملية تحسين الهيئات العصبية المعدة خصيصًا للقيود ومتطلبات الاستدلال في الحوسبة الطرفية.
البحث عن الهيكلية المدرك للكمية
نهج NAS يدمج آثار التكميم في عملية البحث لتحسين الأداء بعد التكميم.
البحث عن الهيكلية المدمج بالتقليم
تقنية NAS تدمج استراتيجيات التقليم مباشرة في عملية البحث لتحسين الحجم والكفاءة.
مؤشر الحجم الفائق
مقياس جودة في التحسين متعدد الأهداف يقيس الحجم الذي يغطيه جبهة باريتو في مساحة الأهداف.
البحث متعدد الأهداف القائم على التحلل
طريقة NAS تحول المشكلة متعددة الأهداف إلى عدة مشاكل فرعية أحادية الهدف لتحسين أكثر كفاءة.
الوزن التكيفي للهدف
تقنية تقوم بتعديل أوزان الأهداف المختلفة ديناميكيًا أثناء البحث عن البنية العصبية (NAS) لتحسين استكشاف فضاء البحث.
التعلم النقلي للبنية العصبية
نهج يستخدم معرفة البنى المحسّنة لمجموعة من الأهداف لتسريع البحث حول أهداف متعددة جديدة.