تقنيات التنظيم (Regularization) في التعلم العميق هي أساليب تُستخدم لتقليل خطر الضبط الناقص (Overfitting) وتحسين قدرة النموذج على التعميم، وتشمل أساليب شائعة مثلL1 Regularization (Lasso) التي تضيف عقوبة على مجموع القيم المطلقة للأوزان مما يساعد في اختيار الميزات، وL2 Regularization (Ridge) التي تضيف عقوبة على مربعات الأوزان لتقليل القيم الكبيرة وجعل النموذج أكثر استقرارًا، إضافةً إلى تقنيات مثلDropout التي تُسقط عشوائيًا بعض الوحدات العصبية أثناء التدريب، وEarly Stopping الذي يوقف التدريب عند تراجع أداء مجموعة التحقق، وكذلكData Augmentation الذي يزيد من تنوع البيانات خصوصًا في الصور، وكلها تهدف إلى بناء نموذج أبسط وأكثر مرونة قادر على التعميم بكفاءة على بيانات جديدة.
ا.م.د. علاء طعيمة عبد الكاظم
أستاذ مساعد دكتور في الذكاء الاصطناعي والتعلم العميق