مزيج من الخبراء - ويكيبيديا

تعلم الآلة والتنقيب في البيانات
جزء من سلسلة مقالات حول

مشكلات تصنيف إحصائي تحليل عنقودي تحليل الانحدار اكتشاف الشذوذ تعلم الآلة الآلي تعلم قواعد الارتباط تعليم معزز التوقع المُهيكَل ^{[لغات أخرى]}‏ هندسة الخصائص تعلم الخصائص تعلم الآلة المستمر Semi-supervised learning تعلم غير مراقب Learning to rank Grammar induction
التعليم بالإشراف تعلم شجرة القرار Ensembles Bagging تعزيز غابة عشوائية كي أقرب جار انحدار خطي المصنف بايز ساذج شبكة عصبونية اصطناعية انحدار لوجستي بيرسيبترون Relevance vector machine (RVM) ^{[لغات أخرى]}‏ شعاع الدعم الآلي
تحليل عنقودي BIRCH CURE تجميع هرمي خوارزمية تصنيفية تحقيق أقصى قدر للتوقع (EM) DBSCAN OPTICS Mean-shift
List تحليل عاملي CCA تحليل المكونات المستقلة تحليل التمييز الخطي NMF تحليل العنصر الرئيسي PGD t-SNE
التوقع المهيكل Graphical models شبكة بايزية Conditional random field نظرية ماركوف المخفية
تشخيص الشذوذ كي أقرب جار Local outlier factor
الشبكات العصبونية الاصطناعية مرمز تلقائي تعلم متعمق ديب دريم Multilayer perceptron RNN LSTM GRU ESN Restricted Boltzmann machine شبكة خصومية توليدية خريطة ذاتية التنظيم شبكة عصبونية التفافية U-Net
تعليم معزز Q-learning SARSA تعلم الفرق الزمني
النظرية موازنة التحيز والتباين نظرية التعلم الحوسبي تقليل المخاطر التجريبي Occam learning PAC learning Statistical learning ^{[لغات أخرى]}‏ VC theory ^{[لغات أخرى]}‏
أنظمة تعلم الآلة NeurIPS ICML ML JMLR
بوابة تعلم الآلة
ع ن ت

مزيج من الخبراء(إم أو إي) (بالإنجليزية: Mixture of experts) هو أسلوب التعلم الآلي حيث يتم استخدام شبكات الخبراء المتعددة (المتعلمين) لتقسيم مساحة المشكلة إلى مناطق متجانسة.^[1] وهو يختلف عن تقنيات المجموعة حيث أنه بالنسبة لأسلوب مزيج من الخبراء، عادةً ما يتم تشغيل نموذج واحد أو عدد قليل من نماذج الخبراء لكل مدخل، بينما في تقنيات المجموعة (أي التعلم الجماعي)، يتم تشغيل جميع النماذج على جميع المدخلات.

مراجع[عدل]

^ Baldacchino، Tara؛ Cross، Elizabeth J.؛ Worden، Keith؛ Rowson، Jennifer (2016). "Variational Bayesian mixture of experts models and sensitivity analysis for nonlinear dynamical systems". Mechanical Systems and Signal Processing. 66–67: 178–200. Bibcode:2016MSSP...66..178B. DOI:10.1016/j.ymssp.2015.05.009.