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

مختبر الرؤية الحاسوبية الخوارزميات التطبيع بالدفعات

التطبيع بالدفعات

Batch normalization

تطبيع مخرجات الطبقة بمتوسط الدفعة وتباينها ثم إعادة تحجيمها بمعاملات متعلَّمة.

مفهوم وشرحالالتفاف والشبكات العصبيةالشبكات العصبية

هذا المحتوى أُعدّ آلياً من مصادر موثقة ولم تكتمل مراجعته العلمية البشرية بعد. إن وجدت خطأً فأبلغنا.

الصيغة الرياضية

\hat{x} = \frac{x - \mu_B}{\sqrt{\sigma_B^{2} + \epsilon}},\quad y = \gamma\hat{x} + \beta

الشرح

يسرّع التدريب ويسمح بمعدلات تعلم أعلى. عند الاستدلال تُستخدم إحصاءات متراكمة، ويمكن دمجه في الالتفاف السابق.

التطبيقات

كل الشبكات الحديثة تقريباً.

القيود

يتأثر بحجم الدفعة الصغير.

المراجع

  1. S. Ioffe, C. Szegedy (2015).Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift. arXiv:1502.03167 (ICML 2015). doi:10.48550/arXiv.1502.03167

دروس مرتبطة

جرّبها في الالتفاف والشبكات العصبية