ما هي المعاملات الفائقة؟
عبارة عن معاملات تستخدم في مجال التعلم الآلي للتحكم بعملية التعلم. وبكلمات أخرى هي متغيرات تُحدد بُنية الشبكة العصبونية الاصطناعية وكيفية تدريبها. يتم تحديد قيمة المعاملات الفائقة قبل بداية عملية التعلم، ولهذه المعاملات تأثير مباشر على تدريب خوارزميات ونماذج التعلم الآلي. ونظراً لأهميتها فإنه من الضروري فهم آليا واستراتيجيات أمثلتها بهدف تحقيق أفضل أداء ممكن لتلك النماذج. ومن الأمثلة عليها:
- مُعدل التعلم.
- عدد دورات التدريب.
- تابع التفعيل المُستخدم.
- عدد الوحدات والطبقات الخفية (Hidden Layers & Units).
- عدد الفروع في شجرة القرار.
- عدد المجموعات في خوارزميات التجميع مثل خوارزمية كي-المتوسط (K-means).
ما هي طرق أمثلة المعاملات الفائقة؟
هناك العديد من الاستراتيجيات المُستخدمة لتحديد وأمثلة المعاملات الفائقة أهمها:
- بحث الشبكة (Grid Search): البحث ضمن مجموعة محددة مسبقاً من المعاملات الفائقة عن المعاملات ذات الأداء الأفضل واستخدامها.
- البحث العشوائي (Random Search): تشبه الطريقة السابقة لكن بدلاً من البحث الشامل ضمن المجموعة يتم اللجوء إلى البحث العشوائي. يتفوق البحث العشوائي على بحث الشبكة عندما يكون هناك عدد صغير من المعاملات الفائقة المطلوب أمثلتها فقط.
- الأمثلة البايزية (Bayesian Optimization): يتم في هذه الطريقة بناء نموذج احتمالي لتابع التخطيط بدءاً من قيمة المعاملات الفائقة وصولاً إلى الهدف المطلوب الوصول إليه عند استخدام مجموعة التحقق مع نموذج التعلم الآلي.
- الأمثلة التطورية (Evolutionary Optimization): تعتمد هذه الطريقة على استخدام خوارزميات الحوسبة التطورية للوصول إلى أفضل حل ممكن.
