এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
ওজনযুক্ত ঘনত্ব
মডেলের অনিশ্চয়তা পরিমাপ এবং স্থানীয় ঘনত্ব অনুমানকে একত্রিত করে নমুনা নির্বাচনের একটি পদ্ধতি, যা অনিশ্চিত এবং বৈশিষ্ট্য স্থানের ঘনবসতিপূর্ণ অঞ্চলে অবস্থিত নমুনাগুলিকে অগ্রাধিকার দেয়।
অনিশ্চয়তা ভিত্তিক প্রশ্ন
একটি সক্রিয় শিক্ষণ কৌশল যা এমন নমুনাগুলি নির্বাচন করে যেগুলির জন্য মডেলের ভবিষ্যদ্বাণীতে আত্মবিশ্বাসের মাত্রা সর্বনিম্ন, সাধারণত এনট্রপি বা সিদ্ধান্ত মার্জিন দ্বারা পরিমাপ করা হয়।
কমিটি ভিত্তিক প্রশ্ন
একটি সক্রিয় শিক্ষণ পদ্ধতি যা একাধিক মডেল নিয়ে গঠিত একটি কমিটি ব্যবহার করে, যেখানে কমিটির সদস্যদের মধ্যে সর্বাধিক মতবিরোধ সৃষ্টিকারী নমুনাগুলি অ্যানোটেশনের জন্য নির্বাচিত হয়।
বৈচিত্র্য ভিত্তিক নমুনায়ন
একটি নির্বাচন কৌশল যা বৈশিষ্ট্য স্থানকে কার্যকরভাবে আবরণ করতে এবং তথ্যগত অতিরিক্ততা এড়াতে অ্যানোটেটেড নমুনাগুলির বৈচিত্র্য সর্বাধিক করার চেষ্টা করে।
উচ্চ ঘনত্বের বিন্দু
বৈশিষ্ট্য স্থানের এমন অঞ্চলে অবস্থিত নমুনা যেখানে তথ্যের উচ্চ ঘনত্ব রয়েছে, যা অন্তর্নিহিত তথ্য বন্টনের প্রতিনিধিত্বমূলক বলে বিবেচিত হয়।
পারস্পরিক তথ্য মানদণ্ড
একটি নির্দিষ্ট নমুনা অ্যানোটেশনের পরে মডেলের পরামিতিগুলির অনিশ্চয়তা হ্রাসের প্রত্যাশিত পরিমাণ পরিমাপকারী তথ্যগত উপযোগিতার মেট্রিক।
আত্মবিশ্বাস মার্জিন
একটি নমুনার জন্য দুটি সর্বাধিক সম্ভাব্য শ্রেণীর পূর্বাভাসিত সম্ভাবনার মধ্যে পার্থক্য, সক্রিয় শিক্ষণ কৌশলগুলিতে অনিশ্চয়তার সূচক হিসাবে ব্যবহৃত হয়।
সংকর নির্বাচন
সবচেয়ে তথ্যপূর্ণ নমুনাগুলি সনাক্ত করতে ওজন বা বহু-উদ্দেশ্য অপ্টিমাইজেশনের মাধ্যমে একাধিক নির্বাচন মানদণ্ড (অনিশ্চয়তা, ঘনত্ব, বৈচিত্র্য) একত্রিত করার পদ্ধতি।
আউটলায়ার ইন অ্যাক্টিভ লার্নিং
ডেটার সাধারণ কাঠামো সম্পর্কে খুব কম তথ্য প্রদান করে বলে ঘনত্ব-ভিত্তিক কৌশলগুলি এড়াতে চাওয়া অস্বাভাবিক বা বিচ্যুত ডেটা পয়েন্ট।
কার্নেল ওয়েটিং
স্থানীয় ঘনত্ব অনুমান করতে কার্নেল ফাংশন ব্যবহার করে এবং বৈশিষ্ট্য স্পেসে প্রতিবেশীদের সাথে তাদের সাদৃশ্য অনুযায়ী নমুনাগুলির গুরুত্ব ওজন করার কৌশল।
ডেটার প্রতিনিধিত্বমূলকতা
গ্লোবাল ডেটা বন্টনের অপরিহার্য বৈশিষ্ট্যগুলি ক্যাপচার করার জন্য একটি নমুনা বা উপসেটের গুণমান, কার্যকর স্যাম্পলিং কৌশলগুলির একটি মূল ফ্যাক্টর।
বৈশিষ্ট্য স্পেস
একটি বহুমাত্রিক ডোমেইন যেখানে প্রতিটি মাত্রা ডেটার একটি বৈশিষ্ট্য উপস্থাপন করে, নমুনাগুলির মধ্যে সাদৃশ্য এবং ঘনত্ব সম্পর্ক বিশ্লেষণ করতে ব্যবহৃত হয়।
ঘনত্ব-অনিশ্চয়তা মানদণ্ড
মডেলের অনিশ্চয়তা পরিমাপ এবং প্রতিটি অ্যানোটেটেড নমুনার তথ্যগত সম্ভাবনা মূল্যায়নের জন্য স্থানীয় ঘনত্ব অনুমানকে একত্রিত করে ইউটিলিটি ফাংশন।
মাল্টি-অবজেক্টিভ অপ্টিমাইজেশন
অ্যাক্টিভ সিলেকশন কৌশলগুলিতে অনিশ্চয়তা, ঘনত্ব এবং বৈচিত্র্যের মতো একই সাথে একাধিক দ্বন্দ্বমূলক উদ্দেশ্য পরিচালনা করার জন্য গাণিতিক ফ্রেমওয়ার্ক।