النوى الموجبة المحددة في التعلم الآلي: الإطار النظري (نظرية ميرسر وRKHS) والتقييم التجريبي لأداء النواة
DOI:
https://doi.org/10.65421/jibas.v2i4.267الكلمات المفتاحية:
النواة المحددة الموجبة، فضاء هيلبرت، إعادة إنتاج فضاءات هيلبرت، تعلم الألةالملخص
تؤدي النوى الموجبة المحددة (Positive Definite Kernels - PDKs) دوراً جوهرياً في مجال تعلم الآلة؛ حيث تقدم هذه الورقة بحثاً يجمع بين الجوانب النظرية والعددية لاستكشاف سلوك هذه النوى. ونحن ندرس هنا النوى الخطية (Linear)، ومتعددة الحدود (Polynomial)، ونوى دالة الأساس الشعاعي (RBF)، مع إجراء مقارنة بين خصائصها باستخدام مجموعة بيانات مرجعية، مع التركيز على أثر كل نوع منها في تعزيز أداء النموذج.
وقد تم تنفيذ العمل باستخدام لغة البرمجة "بايثون" (Python) مع التركيز على الجوانب التطبيقية؛ وتُظهر الدراسة مدى فعالية النوى الموجبة المحددة في التعامل مع البيانات ذات البنى المعقدة. كما يقدم هذا العمل إطاراً متكاملاً يجمع بين الأسس النظرية والتحقق التجريبي، مما يدعم تحسين أداء النماذج من خلال اختيار واعٍ للنواة المناسبة التي تتلاءم مع تطبيقات محددة.

