ألوبكس

ALOPEX (اختصار لـ "خوارزميات استخراج الأنماط") هي خوارزمية تعلم آلي قائمة على الارتباط اقترحها تزاناكو وهارث لأول مرة في عام 1974.

في مجال تعلم الآلة ، يتمثل الهدف في تدريب نظام لتقليل دالة التكلفة أو (في حالة ALOPEX) دالة الاستجابة. تعاني العديد من خوارزميات التدريب، مثل الانتشار العكسي ، من قابلية التعثر في القيم الدنيا أو القصوى المحلية لدالة الاستجابة. يستخدم ALOPEX الارتباط المتبادل للفروقات وعملية عشوائية للتغلب على هذه المشكلة في محاولة للوصول إلى القيمة الدنيا (أو القصوى) المطلقة لدالة الاستجابة.

يُعرَّف نموذج ALOPEX، في أبسط صوره، بمعادلة تحديث:

${\displaystyle \Delta \ W_{ij}(n)=\gamma \ \Delta \ W_{ij}(n-1)\Delta \ R(n)+r_{i}(n)}$

أين:

• ${\displaystyle n\geq 0}$هي التكرار أو الخطوة الزمنية.
• ${\displaystyle \Delta \ W_{ij}(n)}$يمثل الفرق بين القيمة الحالية والقيمة السابقة لمتغير النظام${\displaystyle \ W_{ij}}$في التكرار${\displaystyle n}$.
• ${\displaystyle \Delta \ R(n)}$يمثل الفرق بين القيمة الحالية والقيمة السابقة لدالة الاستجابة${\displaystyle \ R,}$في التكرار${\displaystyle n}$.
• ${\displaystyle \gamma }$هو معامل معدل التعلم${\displaystyle (\gamma \ <0}$يقلل${\displaystyle R,}$و${\displaystyle \gamma \ >0}$يحقق أقصى استفادة${\displaystyle R\ )}$
• ${\displaystyle r_{i}(n)\sim \ N(0,\sigma \ ^{2})}$

بشكل أساسي، يقوم برنامج ALOPEX بتغيير كل متغير من متغيرات النظام${\displaystyle W_{ij}(n)}$بناءً على ناتج: التغير السابق في المتغير${\displaystyle \Delta }$${\displaystyle W_{ij}(n-1)}$، والتغير الناتج في دالة التكلفة${\displaystyle \Delta }$${\displaystyle R(n)}$ومعامل معدل التعلم${\displaystyle \gamma }$علاوة على ذلك، لإيجاد الحد الأدنى المطلق (أو الحد الأقصى المطلق)، فإن العملية العشوائية${\displaystyle r_{ij}(n)}$(غاوسي أو غيره) يتم إضافته بشكل عشوائي "لدفع" الخوارزمية خارج أي حد أدنى محلي.

• هارث، إي.؛ تزاناكو، إي. (ديسمبر 1974). "ALOPEX: طريقة احتمالية لتحديد الحقول الاستقبالية البصرية". أبحاث الرؤية . 14 (12): 1475-1482 . doi : 10.1016/0042-6989(74)90024-8 . PMID 4446379 .