এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
প্রতিদ্বন্দ্বী উৎপাদক নেটওয়ার্ক
দুটি স্নায়বিক নেটওয়ার্কের প্রতিযোগিতামূলক অবকাঠামো যা একটি উৎপাদক ও একটি বৈষম্যকারী নিয়ে গঠিত, যারা বাস্তবসম্মত সিন্থেটিক ডেটা তৈরি করার জন্য পরস্পরের বিরুদ্ধে লড়াই করে।
মিনিম্যাক্স ক্ষতি
GAN-এর মূল উদ্দেশ্য ফাংশন যেখানে উৎপাদক বৈষম্যকারীর ভুল হওয়ার লগ-সম্ভাব্যতা কমায়, অন্যদিকে বৈষম্যকারী সঠিক শ্রেণীবিভাগের সম্ভাবনা সর্বাধিক করে।
লুকানো স্থান
হ্রাসকৃত মাত্রার ভেক্টর স্থান যেখানে উৎপাদক এলোমেলো শব্দ থেকে নমুনা নিয়ে ডেটা তৈরি করে, যা উৎপন্ন বৈশিষ্ট্যগুলির উপর সিম্যান্টিক নিয়ন্ত্রণ ermöglicht।
স্টাইলGAN
উন্নত GAN স্থাপত্য যা ম্যাপিং নেটওয়ার্ক এবং AdaIN মডিউল ব্যবহার করে বিভিন্ন রেজোলিউশনে উৎপন্ন বৈশিষ্ট্যগুলির শ্রেণীবদ্ধ স্টাইল নিয়ন্ত্রণ করে।
জেনসেন-শ্যানন দূরত্ব
মূল GAN-এ ব্যবহৃত একটি প্রতিসম ও সীমাবদ্ধ ডাইভারজেন্স মেট্রিক যা বাস্তব ও উৎপন্ন ডেটার বন্টনের মধ্যে পার্থক্য পরিমাপ করে।
গ্রেডিয়েন্ট জরিমানা
WGAN-এর ক্ষতি ফাংশনে যোগ করা একটি নিয়মিতকরণ শব্দ যা বৈষম্যকারীর গ্রেডিয়েন্টগুলিকে সীমাবদ্ধ করে, লিপশিটজ রূপান্তরের ধারাবাহিকতা নিশ্চিত করে।
ন্যাশ ভারসাম্য
সর্বোত্তমতা বিন্দু যেখানে উৎপাদক বা বৈষম্যকারী কোনোটিই তাদের পরামিতি একতরফাভাবে পরিবর্তন করে তাদের কর্মক্ষমতা উন্নত করতে পারে না, যা প্রশিক্ষণের অভিসৃতি নির্দেশ করে।
এনকোডার নেটওয়ার্ক
BiGAN বা ALI বৈকল্পিকগুলিতে অতিরিক্ত উপাদান যা বাস্তব ডেটাকে লুকানো স্থানে ম্যাপ করতে শেখে, লুকানো অনুমান এবং পুনর্গঠন ermöglicht।
সাইকেল কনসিসটেন্সি লস
সাইকেলজিএএন-এ ব্যবহৃত একটি অতিরিক্ত লস ফাংশন যা আনপেয়ার্ড ডোমেইন অনুবাদের সময় কনটেন্ট সংরক্ষণ নিশ্চিত করে ফরোয়ার্ড-ব্যাকওয়ার্ড সাইকেলের মাধ্যমে।
স্পেকট্রাল নরমালাইজেশন
একটি নিয়মিতকরণ কৌশল যা ডিসক্রিমিনেটরের ওয়েটের স্পেকট্রাল নর্ম সীমাবদ্ধ করে, লিপশিটজ ট্রান্সফর্ম নিয়ন্ত্রণের মাধ্যমে জিএএন প্রশিক্ষণ স্থিতিশীল করে।
প্রোগ্রেসিভ গ্রোয়িং
একটি প্রশিক্ষণ কৌশল যেখানে নেটওয়ার্কগুলি কম রেজোলিউশনের ছবি দিয়ে শুরু করে এবং ধীরে ধীরে রেজোলিউশন বাড়ানোর জন্য স্তর যোগ করে, কনভারজেন্স স্থিতিশীল করে।
ভ্যারিয়েশনাল অটো-এনকোডার
ভিএই এবং জিএএন-এর সংমিশ্রণে একটি হাইব্রিড আর্কিটেকচার যেখানে ভিএই লেটেন্ট স্পেস কভারেজ নিশ্চিত করে এবং জিএএন জেনারেটেড নমুনার ভিজ্যুয়াল কোয়ালিটি উন্নত করে।
ফ্রেচেট ইনসেপশন ডিসটেন্স
একটি পরিমাণগত মূল্যায়ন মেট্রিক যা বাস্তব এবং জেনারেটেড ছবির ইনসেপশন ফিচার ডিস্ট্রিবিউশনের মধ্যে সাদৃশ্য ফ্রেচেট দূরত্বের মাধ্যমে পরিমাপ করে।