এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
সিউডো-লেবেল
স্ব-তত্ত্বাবধানমূলক শিক্ষার প্রেক্ষিতে প্রকৃত লেবেল আনুমানিক করার জন্য ক্লাস্টারিং অ্যালগরিদম দ্বারা স্বয়ংক্রিয়ভাবে তৈরি লেবেল। এগুলি তত্ত্বাবধানমূলক প্রশিক্ষণের জন্য লেবেলবিহীন ডেটাকে কৃত্রিমভাবে লেবেলযুক্ত ডেটাতে রূপান্তর করতে সক্ষম করে।
স্ব-তত্ত্বাবধানমূলক শ্রেণীবিন্যাস ক্লাস্টারিং
একটি ক্লাস্টারিং পদ্ধতি যা স্পষ্ট তত্ত্বাবধান ছাড়াই নেস্টেড ক্লাস্টারগুলির একটি শ্রেণিবিন্যাস গঠন করে, বিভিন্ন স্তরের সূক্ষ্মতার সাথে সিউডো-লেবেল তৈরি করতে ব্যবহৃত হয়। এই পদ্ধতি ডেটা কাঠামোর বহু-মাত্রিক অন্বেষণের সুযোগ দেয়।
স্ব-তত্ত্বাবধানমূলক কে-মিনস
লে-মিনস ক্লাস্টারিং এর একটি রূপ যা লেবেলবিহীন ডেটা থেকে সিউডো-লেবেল তৈরি করার জন্য স্ব-তত্ত্বাবধানমূলক কাঠামোতে প্রয়োগ করা হয়। প্রাপ্ত ক্লাস্টার কেন্দ্রগুলি পরে তত্ত্বাবধানমূলক প্রশিক্ষণের জন্য প্রোটোটাইপ হিসেবে কাজ করে।
অভিযোজিত ডিবিএসসিএন
ডিবিএসসিএন-এর উন্নত সংস্করণ যা স্ব-তত্ত্বাবধানমূলক প্রেক্ষিতে স্থানীয় ডেটা ঘনত্বের উপর ভিত্তি করে স্বয়ংক্রিয়ভাবে এর প্যারামিটার সামঞ্জস্য করে। এই পদ্ধতি বিভিন্ন আকৃতি এবং ভিন্ন ঘনত্বের ক্লাস্টার আবিষ্কার করতে সক্ষম করে।
আধা-তত্ত্বাবধানমূলক বর্ণালী ক্লাস্টারিং
একটি ক্লাস্টারিং কৌশল যা ডেটা কাঠামো চিহ্নিত করতে একটি সাদৃশ্য ম্যাট্রিক্সের আইজেনভ্যালু ব্যবহার করে, স্বয়ংক্রিয়ভাবে তৈরি আংশিক সীমাবদ্ধতার সাথে। এটি ক্লাস্টারগুলির সামঞ্জস্য উন্নত করতে বর্ণালী তথ্য এবং সিউডো-লেবেলগুলিকে একত্রিত করে।
স্বয়ংক্রিয় দুর্বল লেবেলিং
মানুষের হস্তক্ষেপ ছাড়াই ডেটার অন্তর্নিহিত বৈশিষ্ট্য থেকে অস্পষ্ট কিন্তু কার্যকরী লেবেল তৈরি করার প্রক্রিয়া। এই দুর্বল লেবেলগুলি শক্তিশালী তত্ত্বাবধানমূলক মডেলগুলির জন্য শিক্ষণ সংকেত হিসেবে কাজ করে।
স্ব-তত্ত্বাবধানমূলক বৈসাদৃশ্যপূর্ণ শিক্ষণ
একটি শিক্ষণ প্যারাডাইম যেখানে মডেলটি স্পষ্ট লেবেল ছাড়াই অনুরূপ নমুনাগুলি (ইতিবাচক) অসদৃশ নমুনাগুলি (নেতিবাচক) থেকে পৃথক করতে শেখে। স্বাভাবিকভাবে গঠিত ক্লাস্টারগুলি প্রশিক্ষণের জন্য সিউডো-লেবেল সরবরাহ করে।
ঘনত্ব-ভিত্তিক ক্লাস্টারিং
অ্যালগরিদমগুলির একটি পরিবার যা বৈশিষ্ট্য স্থানে কম ঘনত্বের অঞ্চল দ্বারা পৃথক করা ঘন অঞ্চল হিসাবে ক্লাস্টারগুলি সনাক্ত করে। এই পদ্ধতি নির্বিচারে আকৃতির ক্লাস্টার আবিষ্কারের জন্য বিশেষভাবে কার্যকর।
পুনরাবৃত্তিমূলক ক্লাস্টারিং অ্যালগরিদম
কেন্দ্রবিন্দু নির্ধারণ এবং হালনাগাদের মাধ্যমে ধাপে ধাপে সিউডো লেবেল পরিশোধিত করার ক্লাস্টারিং পদ্ধতি। প্রতিটি পুনরাবৃত্তি ক্লাস্টার-ভিতরের সংহতি এবং ক্লাস্টার-মধ্যবর্তী বিভাজন উন্নত করে।
অভ্যন্তরীণ ক্লাস্টার বৈধতা
বাহ্যিক লেবেলের রেফারেন্স ছাড়াই উৎপন্ন ক্লাস্টারগুলোর গুণমান মূল্যায়নের মেট্রিকস সেট, যা সিউডো লেবেল অপ্টিমাইজ করতে ব্যবহৃত হয়। এই পরিমাপগুলিতে সিলুয়েট সহগ, ডেভিস-বোল্ডিন সূচক এবং ক্যালিনস্কি-হারাবাজ স্কোর অন্তর্ভুক্ত।
উচ্চ-মাত্রিক ক্লাস্টারিং
প্রযুক্তিগত চ্যালেঞ্জ যা খুব উচ্চ মাত্রার স্থানে ডেটা গোষ্ঠীবদ্ধ করার সাথে জড়িত, যেখানে দূরত্বের ধারণা তার অর্থ হারায়। কার্যকর ক্লাস্টারিংয়ের জন্য মাত্রা হ্রাসের মতো বিশেষায়িত কৌশল প্রয়োজন।
ক্লাস্টারিংয়ের জন্য মাত্রা হ্রাস
স্ব-তত্ত্বাবধানযুক্ত ক্লাস্টারিংয়ে অপরিহার্য প্রাথমিক ধাপ যা ক্লাস্টার কাঠামো সংরক্ষণ করার সময় ডেটাকে নিম্ন মাত্রার স্থানে রূপান্তরিত করে। এটি গণনাগত দক্ষতা এবং সিউডো লেবেলের গুণমান উন্নত করে।
গ্রাফ-ভিত্তিক ক্লাস্টারিং
ক্লাস্টারিং পদ্ধতি যা ডেটাকে একটি গ্রাফ হিসেবে মডেল করে যেখানে নোডগুলি নমুনা এবং এজগুলি সাদৃশ্য উপস্থাপন করে। এই গ্রাফে সনাক্ত করা সম্প্রদায়গুলি সিউডো লেবেল উৎপন্ন করতে ব্যবহৃত ক্লাস্টারগুলির সাথে মিলে।
আফিনিটি প্রোপাগেশন ক্লাস্টারিং
অ্যালগরিদম যা ডেটাতে প্রতিনিধিত্বমূলক উদাহরণ সনাক্ত করে এবং পূর্বনির্ধারিত ক্লাস্টার সংখ্যা ছাড়াই প্রতিটি বিন্দুকে সবচেয়ে উপযুক্ত উদাহরণের সাথে নির্ধারণ করে। এই পদ্ধতি জটিল ডেটা কাঠামো আবিষ্কারের জন্য বিশেষভাবে উপযুক্ত।
গাউসিয়ান মিশ্রণ ক্লাস্টারিং
সম্ভাব্যতাভিত্তিক পদ্ধতি যা ডেটাকে একাধিক গাউসিয়ান বন্টনের মিশ্রণ হিসেবে মডেল করে, যেখানে প্রতিটি উপাদান একটি ক্লাস্টার উপস্থাপন করে। সদস্যতার সম্ভাব্যতাগুলি তত্ত্বাবধানযুক্ত শেখার জন্য নরম সিউডো লেবেল হিসেবে কাজ করে।
ইনক্রিমেন্টাল ক্লাস্টারিং
ক্লাস্টারিং পদ্ধতি যা সম্পূর্ণ পুনঃগণনা ছাড়াই নতুন ডেটা আসার সাথে সাথে সিউডো লেবেল আপডেট করতে সক্ষম। এই পদ্ধতি অবিচ্ছিন্ন শেখার সিস্টেমের জন্য অপরিহার্য।
মাল্টিভিউ ক্লাস্টারিং
একটি প্যারাডাইম যা ক্লাস্টার এবং সিউডো-লেবেলের গুণমান উন্নত করতে একই ডেটার একাধিক উপস্থাপনা বা দৃষ্টিকোণ থেকে তথ্য একীভূত করে। এই পদ্ধতিটি আরও শক্তিশালী শেখার জন্য বিভিন্ন দৃষ্টিভঙ্গির মধ্যে পরিপূরকতা কাজে লাগায়।
ডিপ ক্লাস্টারিং
এন্ড-টু-এন্ড উপায়ে সর্বোত্তম উপস্থাপনা শেখার এবং সিউডো-লেবেল তৈরি করার জন্য গভীর নিউরাল নেটওয়ার্ক এবং ক্লাস্টারিং অ্যালগরিদমের সমন্বয়। এই পদ্ধতিটি ডেটার জটিল অ-রৈখিক কাঠামো ক্যাপচার করতে সক্ষম করে।