এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
রিপ্লে মেমোরি
মডেলটিকে পর্যায়ক্রমে পুনরায় প্রশিক্ষণ দেওয়ার এবং বিপর্যয়কর ভুলে যাওয়া রোধ করার জন্য অতীতের ডেটার উদাহরণ সংরক্ষণকারী বাফার মেমোরি। এই কৌশলটি নতুন তথ্য একীভূত করার সময় ঐতিহাসিক জ্ঞানের একটি ভারসাম্যপূর্ণ উপস্থাপনা বজায় রাখে।
নলেজ ডিস্টিলেশন
একটি কৌশল যেখানে একটি শেখার মডেল পূর্ববর্তী বিশেষজ্ঞ মডেলের আউটপুট অনুকরণ করে অর্জিত জ্ঞান সংরক্ষণ করে। এই পদ্ধতিটি ক্লাসগুলির মধ্যে শেখা সম্পর্ক সংরক্ষণের জন্য শিক্ষক মডেলের সফট প্রোবাবিলিটি ডিস্ট্রিবিউশনকে গাইড হিসেবে ব্যবহার করে।
প্রগ্রেসিভ নিউরাল নেটওয়ার্ক
একটি আর্কিটেকচার যেখানে প্রতিটি নতুন টাস্কের নিজস্ব নিউরাল কলাম থাকে যখন পূর্ববর্তী কলামগুলির সাথে পার্শ্বীয় সংযোগ সংরক্ষণ করে। এই কাঠামো টাস্কগুলির মধ্যে সরাসরি হস্তক্ষেপ এড়ায় এবং একই সাথে জ্ঞান স্থানান্তর করতে দেয়।
ইনক্রিমেন্টাল টাস্ক লার্নিং
শেখার একটি দৃশ্যকল্প যেখানে টাস্কগুলি ক্রমান্বয়ে উপস্থাপিত হয় স্পষ্টভাবে সংজ্ঞায়িত টাস্ক সীমানা সহ। মডেলটিকে সমস্ত শেখা টাস্কে পারফর্ম করতে হবে সমস্ত টাস্কের ডেটাতে একসাথে অ্যাক্সেস ছাড়াই।
ইনক্রিমেন্টাল ক্লাস লার্নিং
একটি প্যারাডাইম যেখানে নতুন ক্লাসগুলি ধীরে ধীরে সিস্টেমে যোগ করা হয় পুরানো ক্লাসগুলিকে পুনরায় এক্সপোজ না করে। এই পদ্ধতিটি বাস্তব অবস্থার অনুকরণ করে যেখানে বিভাগগুলি সময়ের সাথে সাথে গতিশীলভাবে বিকশিত হয়।
ডোমেইন অ্যাডাপ্টেশন
একটি সোর্স ডোমেইনে প্রশিক্ষিত মডেলকে একটি ভিন্ন টার্গেট ডোমেইনে কার্যকরভাবে পারফর্ম করার জন্য সামঞ্জস্য করার প্রক্রিয়া। ইনক্রিমেন্টাল অ্যাডাপ্টেশন মডেলটিকে ডেটা ডিস্ট্রিবিউশনের পরিবর্তনের সাথে ধীরে ধীরে খাপ খাইয়ে নিতে দেয়।
কারিকুলাম লার্নিং
একটি ক্রমান্বয়িক কৌশল যা কনভারজেন্স অপ্টিমাইজ করার জন্য ক্রমবর্ধমান কঠিনতার ক্রমে লার্নিং স্যাম্পল উপস্থাপন করে। অ্যাডাপ্টিভ কারিকুলাম মডেলের অগ্রগতি অনুযায়ী ডায়নামিকভাবে লার্নিং সিকোয়েন্স সামঞ্জস্য করে।
সিন্যাপটিক রেগুলারাইজেশন
নতুন তথ্য শেখার সময় অতীতের টাস্কগুলির জন্য গুরুত্বপূর্ণ নিউরাল সংযোগগুলিকে রক্ষা করার কৌশল। এই পদ্ধতিটি সমালোচনামূলক সিন্যাপটিক ওজন চিহ্নিত করে এবং পূর্ববর্তী পারফরম্যান্সে তাদের অবদান সংরক্ষণের জন্য পেনাল্টি প্রয়োগ করে।