التحسين العشوائي - نزول التدرج العشوائي ومتغيراته
التحسين العشوائي هو عائلة من الطرق التكرارية التي تقلل دالة الهدف عن طريق حساب التدرجات على مجموعات فرعية عشوائية من البيانات - دفعات مصغرة - بدلاً من مجموعة البيانات بأكملها دفعة واحدة. وقد بدأها روبنز ومونرو في عام 1951 كتقريب عشوائي، وأصبح هذا النهج المحرك القياسي لتدريب نماذج التعلم الآلي واسعة النطاق من خلال متغيرات مثل نزول التدرج العشوائي مع الزخم (SGD with momentum)، و AdaGrad، و RMSProp، و Adam.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Robbins, H. & Monro, S. (1951). A Stochastic Approximation Method. Annals of Mathematical Statistics, 22(3), 400-407. DOI: 10.1214/aoms/1177729586 ↗
- Kingma, D.P. & Ba, J. (2015). Adam: A Method for Stochastic Optimization. International Conference on Learning Representations (ICLR 2015). link ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 1). Stochastic Optimization (SGD and Variants). ScholarGate. https://scholargate.app/ar/optimization/stochastic-optimization
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- التحسين البايزيالتحسين↔ compare
- استراتيجية التطور (CMA-ES)التحسين↔ compare
- التحسين القويالتحسين↔ compare