التحليل الدالي Functional Analysis

الرياضيات المتقدمة للذكاء الاصطناعي الصعوبة: خبير 2 دروس الزمن المتوقع: 1 ساعة و45 دقيقة

تعريف بالمسار

فضاءات الدوال والنواة وفضاءات هلبرت، وصلتها بطرق النواة.

الأهداف التعليمية

  • التعامل مع الدوال كمتجهات في فضاءات معيارية وفضاءات جداء داخلي
  • حساب الإسقاط على أساس متعامد
  • فهم حيلة النواة ومصفوفة غرام وشرط ميرسر
  • تطبيق انحدار الحافة بالنواة

قائمة الدروس

  1. 1 فضاءات الدوال والجداء الداخلي Function Spaces and Inner Productsالدوال يمكن أن تُعامل كمتجهات: تُجمع وتُضرب في أعداد، ولها أطوال (معايير) وجداء داخلي \(\langle f, g\rangle = \int fg\)؛ فيصبح للتعامد والإسقاط والأساس معنى في فضاء لانهائي الأبعاد مثل L²، ومتسلسلة فورييه إسقاط على أساس متعامد. خبير · 50 د
  2. 2 طرق النواة وفضاءات هلبرت ذات النواة المولدة Kernel Methods and RKHSالنواة k(x, x′) = ⟨φ(x), φ(x′)⟩ تحسب جداءً داخلياً في فضاء ميزات قد يكون لانهائي الأبعاد دون حساب φ صراحة (حيلة النواة)؛ وشرط ميرسر أن تكون كل مصفوفة غرام موجبة شبه محددة، ومبرهنة التمثيل تجعل الحل تركيبة خطية من k(xᵢ, ·). خبير · 55 د

التطبيقات في الذكاء الاصطناعي

  • SVM بالنواة
  • العمليات الغاوسية
  • متسلسلات فورييه والترميز الموضعي

الاختبار النهائي للمسار

12 سؤالاً مختارة عشوائياً من بنك أسئلة المسار، الزمن 25 دقيقة، ونسبة النجاح 65%.

ابدأ الاختبار النهائي تدرب على أسئلة المسار

المراجع العلمية

  1. Mathematics for Machine LearningMarc Peter Deisenroth, A. Aldo Faisal, Cheng Soon Ong (Cambridge University Press)mml-book.github.io
  2. Gaussian Processes for Machine LearningCarl Edward Rasmussen, Christopher K. I. Williams (MIT Press, 2006)gaussianprocess.org/gpml
  3. Probabilistic Machine Learning: An IntroductionKevin P. Murphy (MIT Press, 2022)probml.github.io/pml-book/book1.html