قائمة مصطلحات التعلم الآلي (26): نماذج التسلسل Sequential models

تعريف نماذج التسلسل Sequential models

يمكن تعريف نماذج التسلسل بأنها نوع من نماذج التعلم العميق المصممة خصيصًا للتعامل مع البيانات المتسلسلة ، مثل السلاسل الزمنية والنصوص والكلام وغيرها. يتم تدريب نماذج التسلسل على التنبؤ بالعنصر التالي في تسلسل بناءً على العناصر السابقة ، باستخدام تقنيات مثل الشبكات العصبية المتكررة (RNNs) و الذاكرة طويلة المدى (LSTMs) وغيرها. تم تطبيق هذه النماذج بنجاح في مجالات مختلفة مثل ترجمة اللغة وتحليل المشاعر والتعرف على الكلام. نماذج التسلسل تعتبر واحدة من أكثر المجالات إثارة في التعلم العميق. لقد احدثت نماذج مثل الشبكات العصبية المتكررة أو شبكات RNN التغيير في مجالي التعرف على الكلام و معالجة اللغة الطبيعية ومجالات أخرى بفضل نماذج التسلسل.

مجالات إستخدام نماذج التسلسل Sequential models

1. مجال التعرف على الكلام: ، مثلا يتم إعطاؤك مقطع صوتي إدخال X ويطلب منك تعيينه إلى نسخة نصية Y. كل من الإدخال والإخراج هنا عبارة عن بيانات تسلسل ، لأن X عبارة عن مقطع صوتي ومن ثم يتم تشغيله بمرور الوقت و Y ، الناتج ، هو سلسلة من الكلمات. لذا فإن نماذج التسلسل مثل الشبكات العصبية المتكررة والنماذج الأخرى.
2. مجال توليد الموسيقى: تعد توليد الموسيقى مثالًا آخر على إستخدام بيانات متسلسلة. في هذه الحالة ، يكون الإخراج Y فقط عبارة عن تسلسل ، ويمكن أن يكون الإدخال هو المجموعة الفارغة ، أو يمكن أن يكون عددًا صحيحًا واحدًا ، وربما يشير إلى نوع الموسيقى الذي تريد إنشاءه أو ربما يشير إلى النوتات القليلة الأولى من القطعة الموسيقية التي تريدها انت. ولكن هنا لا يمكن أن تكون X شيئًا أو ربما مجرد عدد صحيح والمخرج Y عبارة عن تسلسل.
3. مجال تصنيف التفضيلات: يكون الإدخال X عبارة عن تسلسل ، لذا بالنظر إلى عبارة الإدخال مثل “لا يوجد شيء يعجبك في هذا الفيلم” كم التقييم الذي تعتقد أنه يستحق؟
4. مجال تحليل تسلسل الحمض النووي: نماذج التسلسل مفيدة جدًا أيضًا لتحليل تسلسل الحمض النووي. لذلك يتم تمثيل الحمض النووي الخاص بك عن طريق الأبجديات الأربعة A و C و G و T. وبالتالي ، فبإعطاء تسلسل الحمض النووي ، يمكنك تسمية أي جزء من تسلسل الحمض النووي هذا يتوافق مع البروتين.
5. مجال الترجمة الآلية تحصل على جملة إدخال باللغة الانجليزية مثلا ويطلب منك إخراج الترجمة بلغة مختلفة.
6. مجال التعرف على نشاط الفيديو ، مثلا يتم إعطاؤك سلسلة من إطارات الفيديو ويطلب منك التعرف على النشاط.
7. مجال التعرف على الاسم في نص ما ، قد يتم إعطاؤك جملة ويطلب منك تحديد الأشخاص في تلك الجملة.

الخلاصة

يمكن معالجة المسائل المرتبطة بنماذج التسلسل على أنها تعلم خاضع للإشراف باستخدام بيانات موسومة X ، Y كمجموعة تدريب. ولكن هناك العديد من الأنواع المختلفة من نماذج التسلسل. في بعض الأحيان ، يكون كل من المدخل X والمخرج Y عبارة عن تسلسلات. وفي هذه الحالة يمكن أن يكون لكل من X و Y أطوال مختلفة كما في مثال التعرف على الكلام ، أو في تطبيق تحليل تسلسل الحمض النووي. أما في تطبيق التعرف على الاسم في نص ما يكون لكل من X و Y نفس الطول. وفي بعض هذه الأمثلة ، يكون إما X أو العكس Y هو متتالية. لذا في هذه الدورة ستتعرف على نماذج التسلسل القابلة للتطبيق ، لذا فإن كل هذه الإعدادات المختلفة. لذلك آمل أن يمنحك هذا إحساسًا بالمجموعة المثيرة من المشكلات التي قد تتمكن نماذج التسلسل من مساعدتك في معالجتها. مع ذلك ، دعنا ننتقل إلى الفيديو التالي حيث نبدأ في تحديد الترميز الذي نستخدمه لتحديد مشاكل التسلسل هذه.