يشار إلى تشغيل كامل لمجموعة بيانات التدريب من خلال الخوارزمية على أنه حقبة في التعلم الآلي.
ما هي الحقبة؟
في عالم الشبكات العصبية الاصطناعية ، الحقبة هي حلقة واحدة من مجموعة بيانات التدريب بأكملها. عادة ما يستغرق تدريب الشبكة العصبية عدة فترات. ببساطة ، إذا زودنا الشبكة العصبية بـ بيانات التدريب في أنماط متنوعة على مدار أكثر من حقبة واحدة ، نتوقع تحسينًا في التعميم عندما نعطيها مدخلات جديدة غير ملحوظة (بيانات الاختبار).
مجموعة البيانات يتم تغيير المعلمات الأساسية للنموذج مع كل حقبة. نتيجة لذلك ، تم تسمية خوارزمية تعلم نزول التدرج الدفعي باسم كل دفعة من العصر. حجم الدُفعة عادة ما يكون 1 أو أكبر، ودائمًا ما تكون قيمة عدد صحيح في رقم العصر. قد يتم تمثيله بدلاً من ذلك على أنه للحلقة مع رقم معين، مع كل مسار حلقي يجتاز مجموعة بيانات التدريب بأكملها.
عندما يتم إعطاء قيمة العينة “حجم الدُفعة” كقيمة واحدة ، فإن الحلقة تحتوي على طبقة تمكنها من العمل خلال عينة محددة في دفعة واحدة. تحديد كم العهود التي يجب أن ينفذها النموذج للتدريب يعتمد على العديد من المعلمات المرتبطة بكل من البيانات وهدف النموذج. لتحويل هذا الإجراء في خوارزمية، عادة ما يكون الفهم الشامل للبيانات مطلوبًا.
عندما يتم إرسال مجموعة البيانات الكاملة للأمام ثم للخلف من خلال الشبكة العصبية ، يطلق عليها حقبة. نكسر العصر إلى دفعات متعددة أصغر لأن حقبة واحدة أكبر من أن ترسل إلى الكمبيوتر دفعة واحدة.
هذه يتم استخدام فترة زمنية لتحديد وقت حدوث أحداث معينة في شبكة blockchain سيحدث ، مثل وقت توزيع الحوافز أو عند تعيين مجموعة جديدة من المدققين للتحقق من صحة المعاملات. يحدد كل بروتوكول blockchain تلك الفترة الزمنية بشكل مختلف. يشار إليه عمومًا على أنه الوقت الذي يستغرقه اكتمال كمية معينة من الكتل في السلسلة.
العودة لقائمة المصطلحات الرئيسية
