تعلم غير مراقب

التعلم غير المراقب أو التعلم الاستنتاجي (بالإنجليزية: Unsupervised learning) هو أحد الفروع الرئيسية في مجال تعلم الآلة و الذكاء الاصطناعي و الشبكات العصبونية الاصطناعية يهتم بخوارزميات تعلم الآلة عن طريق تمييز أنماط البيانات بدون أن تكون هذه البيانات معنونة.[1][2][3]

وهو عكس التعليم المُراقب (Supervised learning) أو التعليم المعزز (Reinforcement learning). من التطبيقات الأساسية للتعلم غير المراقب هو تقدير الكثافة للبيانات لإيجاد القواسم المشتركة بين العناصر وتصنيفها إحصائياً. وإذا ما قورن بالتعلم المُراقب فيكمن القول بأن الفرق بينهما أن الأول (غير المراقب) يعمل على استنتاج توزيع أولي للبيانات وأما الآخر فيعمل على استنتاج توزيع بياني مشروط بمعرفة عوامل إضافية.

تطبيقات

يختلف التعلم غير المراقب عن التعلم المراقب بكونه يعمل على تعلم العلاقات بين العناصر أو البيانات بشكل منفرد وبدون مُدخلات خارجية. إلا أنه يتشابه مع التعلم المراقب بالهدف المطلوب وهو محاكاة المنطق البشري بالبحث عن أنماط وعلاقات مخفية بين العناصر والأنماط الموجودة.[4] بعض أهم تطبيقات التعلم غير المراقب هي:

  1. تصنيف وتجميع البيانات
  2. الشبكة العصبونية الاصطناعية

الشبكات العصبونية

من الأمثلة التطبيقية الكلاسيكية للتعلم غير المراقب هو طريقة هب لدراسة الشبكات العصبونية. تعتبر الخريطة ذاتية التنظيم ونظرية الرنين التكيفية من الطُرق شائعة الاستخدام لمحاكاة الشبكات العصبونية عبر التعلم غير المراقب. يُتيح نموذج الخريطة ذاتية التحكم (self-organizing map) وضع المناطق المجاورة كمُدخلات بخصائص متشابهة للنموذج. ونموذج نظرية الرنين ( adaptive resonance theory) لها خاصية جعل تحديد عدد المناطق أو المجاميع (clusters) قابل للتعديل والتكيف وقابل للتحكم به من قبل المُستخدم عبر مُعرفات أولية تعرف بالعوامل الاحترازية.[5]

المراجع

  1. Hastie, Trevor, Robert Tibshirani, Friedman, Jerome (2009). The Elements of Statistical Learning: Data mining, Inference, and Prediction. New York: Springer. صفحات 485–586. ISBN 978-0-387-84857-0. الوسيط |CitationClass= تم تجاهله (مساعدة)صيانة CS1: أسماء متعددة: قائمة المؤلفون (link) صيانة CS1: التاريخ والسنة (link)
  2. Jordan, Michael I.; Bishop, Christopher M. (2004). "Neural Networks". In Allen B. Tucker (المحرر). Computer Science Handbook, Second Edition (Section VII: Intelligent Systems). Boca Raton, FL: Chapman & Hall/CRC Press LLC. ISBN 1-58488-360-X. الوسيط |CitationClass= تم تجاهله (مساعدة)
  3. Engel, Giora (February 11, 2016). "3 Flavors of Machine Learning: Who, What & Where". Dark Reading. مؤرشف من الأصل في 21 يونيو 2018. اطلع عليه بتاريخ 21 نوفمبر 2016. الوسيط |CitationClass= تم تجاهله (مساعدة)
  4. "Build with AI | DeepAI". DeepAI. مؤرشف من الأصل في 30 سبتمبر 2018. اطلع عليه بتاريخ 30 سبتمبر 2018. الوسيط |CitationClass= تم تجاهله (مساعدة)
  5. Carpenter, G.A. & Grossberg, S. (1988). "The ART of adaptive pattern recognition by a self-organizing neural network" (PDF). Computer. 21: 77–88. doi:10.1109/2.33. مؤرشف من الأصل (PDF) في 16 مايو 2018. الوسيط |CitationClass= تم تجاهله (مساعدة)

    انظر أيضاً

    • بوابة إحصاء
    • بوابة تعلم الآلة
    • بوابة تقنية المعلومات
    • بوابة علم الحاسوب
    This article is issued from Wikipedia. The text is licensed under Creative Commons - Attribution - Sharealike. Additional terms may apply for the media files.