كتب الذكاء الاصطناعيمشاريع الذكاء الاصطناعيمقالات الذكاء الاصطناعيمعجم الذكاء الاصطناعياسئلة واجوبة في الذكاء الاصطناعيأكاديمية الذكاء الاصطناعي للأطفالأكاديمية الذكاء الاصطناعيمدرسة رياضيات الذكاء الاصطناعيمختبر الذكاء الاصطناعيمختبر الخوارزميات المستوحاة من الطبيعةأطلس نماذج الذكاء الاصطناعيموسوعة تطبيقات الذكاء الاصطناعيمستكشف مجموعات البيانات للذكاء الاصطناعياختبارات الذكاء الاصطناعيالفايب كودينغدليل البرمجة بالذكاء الاصطناعيمولّد مشاريع الذكاء الاصطناعيمرصد الذكاء الاصطناعيدليل أدوات الذكاء الاصطناعي البحث والنشر الأكاديميمكتبة البرومبتات الأكاديميةمستودع الرسائل والأطاريح في الذكاء الاصطناعيحاسبة الترقية العلميةأكاديمية الوكلاء الذكيينمختبر أخلاقيات الذكاء الاصطناعي والعدالةساحة ألعاب الذكاء الاصطناعيمختبر التنبؤ بالسلاسل الزمنيةمتحف الذكاء الاصطناعيمختبر الرؤية الحاسوبيةمختبر الشبكات العصبية البيانيةمختبر معالجة اللغة الطبيعيةمختبر الحوسبة الكمّيةخرائط طريق الذكاء الاصطناعي
خوارزمية

الانحدار التدرجي

Gradient Descent

تُنسب الفكرة إلى كوشي عام 1847 يحتاج مراجعة Needs Review

طريقة تحسين تكرارية تتحرك فيها المعاملات عكس اتجاه التدرج لتقليل دالة الخسارة، وهي أساس تدريب الشبكات العصبية.

آلية العمل

في النسخة العشوائية (SGD) يُحسب التدرج على دفعة صغيرة من البيانات بدلاً من كامل البيانات.

المعادلات

theta_{t+1} = theta_t - eta * grad L(theta_t)

المزايا

  • بسيط وقابل للتوسع
  • يعمل مع ملايين المعاملات

القيود

  • حساس لمعدل التعلم
  • قد يعلق في نقاط سرجية أو قيعان محلية

التطبيقات العملية

تدريب كل الشبكات العصبية الحديثة تقريباً.

المصادر والمراجع العلمية

لم يُربط بهذا السجل مرجع بعد؛ لذلك يظهر بحالة «يحتاج مراجعة».