এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
অ্যাডাপ্টিভ র্যান্ডম ফরেস্ট
ডেটা স্ট্রিমের জন্য ক্লাসিক র্যান্ডম ফরেস্টের সম্প্রসারণ, যা হফডিং ট্রি ব্যবহার করে এবং ধারণাগত ড্রিফ্ট সনাক্তকরণ ও অভিযোজনের জন্য গতিশীল শ্রেণীবদ্ধকরণ ওজন সমন্বয়ের ব্যবস্থা অন্তর্ভুক্ত করে।
অনলাইন ব্যাগিং
বুটস্ট্র্যাপ অ্যাগ্রিগেশনের ইনক্রিমেন্টাল বৈকল্পিক যেখানে প্রতিটি স্ট্রিম উদাহরণ পয়সন(1) বন্টন অনুযায়ী বেস শ্রেণীবদ্ধকরণ আপডেট করতে ব্যবহৃত হয়, যা সম্পূর্ণ ডেটাসেট ছাড়াই অবিরত শেখার অনুমতি দেয়।
স্ট্যাগার অ্যালগরিদম
ধারণাগত ড্রিফ্ট প্রদর্শনের প্রাথমিক অ্যালগরিদমগুলির মধ্যে একটি, যা ওজনযুক্ত অনুমান ব্যবহার করে এবং সঠিক বা ভুল পূর্বাভাসের ভিত্তিতে ওজন সামঞ্জস্য করে ধারণাগত পরিবর্তনের সাথে গতিশীলভাবে খাপ খায়।
এসএএম-কেএনএন (স্বয়ংক্রিয় সামঞ্জস্য মেমরি কে-নিকটতম প্রতিবেশী)
ডেটা স্ট্রিমের জন্য কে-নিকটতম প্রতিবেশীর বৈকল্পিক যা ধারণার স্থিতিশীলতার উপর ভিত্তি করে তার মেমরি আকার গতিশীলভাবে সামঞ্জস্য করে, স্বয়ংক্রিয়ভাবে অপ্রচলিত উদাহরণগুলি সরিয়ে দেয় যখন প্রতিনিধিত্বকারীগুলি সংরক্ষণ করে।
লিভারেজিং ব্যাগিং
অনলাইন ব্যাগিংয়ের উন্নতি যা বেস শ্রেণীবদ্ধকরণের বৈচিত্র্য বাড়ানোর জন্য এলোমেলো ওজন কৌশল প্রবর্তন করে এবং কার্যক্ষমতার তাত্ত্বিক গ্যারান্টি সহ ধারণাগত পরিবর্তনের সাথে অভিযোজন ত্বরান্বিত করে।
ওজাব্যাগিং
ওজা এবং রাসেল দ্বারা প্রস্তাবিত অনলাইন ব্যাগিং অ্যালগরিদমের নির্দিষ্ট বাস্তবায়ন, যেখানে স্ট্রিমের প্রতিটি উদাহরণ স্ট্রিমিং পরিবেশে বুটস্ট্র্যাপ প্রক্রিয়া অনুকরণ করার জন্য পয়সন বন্টন অনুযায়ী ওজন করা হয়।
এইচএটি (হফডিং অ্যাডাপ্টিভ ট্রি)
হফডিং ট্রির সম্প্রসারণ যা নোডের কার্যকারিতা মূল্যায়নের জন্য এডব্লিউআইএন ব্যবহার করে ধারণাগত পরিবর্তন সনাক্তকরণের ব্যবস্থা অন্তর্ভুক্ত করে এবং অকার্যকর সাবট্রিগুলিকে নতুন অভিযোজিত কাঠামো দিয়ে গতিশীলভাবে প্রতিস্থাপন করে।
স্ট্রিমডিএম
স্পার্কের জন্য স্কালায় বাস্তবায়িত ডেটা স্ট্রিমের জন্য ওপেন-সোর্স ডেটা মাইনিং ফ্রেমওয়ার্ক, যা বৃহৎ-স্কেল স্ট্রিম প্রক্রিয়াকরণের জন্য অপ্টিমাইজড ইনক্রিমেন্টাল অ্যালগরিদমের সংগ্রহ প্রদান করে।
MOA (ম্যাসিভ অনলাইন অ্যানালাইসিস)
ইনক্রিমেন্টাল লার্নিং অ্যালগরিদম মূল্যায়ন ও উন্নয়নের জন্য রেফারেন্স সফটওয়্যার পরিবেশ, যাতে কৃত্রিম স্ট্রিম জেনারেশন টুলস এবং কনসেপ্ট ড্রিফটের জন্য উপযুক্ত মূল্যায়ন মেট্রিক্স অন্তর্ভুক্ত রয়েছে।
একুরেসি ওয়েটেড এনসেম্বল
স্ট্রিমের জন্য এনসেম্বল অ্যালগরিদম যা বিভিন্ন সময়কালে প্রশিক্ষিত ক্লাসিফায়ারগুলির সংগ্রহ বজায় রাখে, কনসেপ্ট ড্রিফটের মুখে পূর্বাভাস অপ্টিমাইজ করার জন্য তাদের সাম্প্রতিক পারফরম্যান্সের উপর ভিত্তি করে ডাইনামিক ওয়েটিং প্রয়োগ করে।
কনসেপ্ট ড্রিফট ভেলোসিটি
ডেটা স্ট্রিমে অন্তর্নিহিত ধারণা কত দ্রুত বিবর্তিত হয় তা পরিমাপকারী মেট্রিক, যা মডেল আপডেট ফ্রিকোয়েন্সি এবং কম্পিউটেশনাল রিসোর্স বরাদ্দ ডাইনামিকভাবে সামঞ্জস্য করতে ব্যবহৃত হয়।