এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
অপশন-ভিত্তিক এইচআরএল
পুনঃব্যবহারযোগ্য উপ-কাজ হিসেবে নীতিমালা গঠনের জন্য টেম্পোরাল প্রিমিটিভ হিসেবে অপশন ব্যবহার করে হায়ারার্কিক্যাল রিইনফোর্সমেন্ট লার্নিং এর পদ্ধতি।
অপশন ডিসকভারি
পরিবেশের কাঠামোগত বৈশিষ্ট্যের উপর ভিত্তি করে স্পষ্ট তত্ত্বাবধান ছাড়াই প্রাসঙ্গিক অপশন সনাক্তকরণ এবং তৈরির স্বয়ংক্রিয় প্রক্রিয়া।
ঘনত্ব-ভিত্তিক অপশন ডিসকভারি
যে পদ্ধতি উচ্চ ঘনত্বের অবস্থা অঞ্চলে অপশন সনাক্ত করে যেখানে এজেন্ট অন্যান্য অঞ্চলের তুলনায় উল্লেখযোগ্যভাবে বেশি সময় ব্যয় করে।
প্রাপ্যতা-ভিত্তিক অপশন ডিসকভারি
বিভিন্ন শুরুর বিন্দু থেকে নির্দিষ্ট লক্ষ্য অবস্থা সেটে কার্যকরভাবে পৌঁছানোর ক্ষমতার উপর ভিত্তি করে অপশন তৈরির কৌশল।
বটলনেক-ভিত্তিক অপশন ডিসকভারি
অবস্থা স্থানের বিভিন্ন অঞ্চল সংযোগকারী বাধ্যতামূলক পাসেজ পয়েন্ট বা সমালোচনামূলক অবস্থায় অপশন সনাক্ত করার পদ্ধতি।
ইন্ট্রা-অপশন পলিসি
একটি অপশন এক্সিকিউশনের সময় এজেন্টের আচরণ সংজ্ঞায়িত করে এমন নীতিমালা, প্রতিটি টেম্পোরাল ধাপে কী কর্ম নিতে হবে তা নির্দিষ্ট করে।
অপশন টার্মিনেশন
কোন অপশন কখন থামানো উচিত এবং নিয়ন্ত্রণ উচ্চ-স্তরের নীতিতে ফেরত দেওয়া উচিত তা নির্ধারণকারী প্রক্রিয়া।
গোল-কন্ডিশন্ড অপশন
নির্দিষ্ট লক্ষ্য দ্বারা প্যারামিটারাইজড অপশন যা বিভিন্ন টাস্ক প্রসঙ্গে নমনীয় পুনঃব্যবহারের অনুমতি দেয়।
Eigenoptions
ম্যাট্রিক্স ট্রানজিশনের আইগেনভ্যালু বিশ্লেষণ দ্বারা স্বয়ংক্রিয়ভাবে আবিষ্কৃত অপশন, যা গতিশীলতার প্রভাবশালী মোডগুলো ধারণ করে।
Successor Features
ভবিষ্যত অবস্থার ঘটনা পূর্বাভাস দেওয়ার জন্য ব্যবহৃত প্রতিনিধিত্বমূলক বৈশিষ্ট্য, যা একই ধরনের কাজের মধ্যে স্থানান্তরযোগ্য অপশন আবিষ্কারে ব্যবহৃত হয়।
State-Visitation Frequency
প্রতিটি অবস্থা কতবার পরিদর্শন করা হয় তার পরিসংখ্যানগত পরিমাপ, যা অপশন আবিষ্কারের জন্য প্রাসঙ্গিক অঞ্চল চিহ্নিত করার নির্দেশক হিসেবে কাজ করে।
Bottleneck States
সমালোচনামূলক অবস্থা যার মাধ্যমে এজেন্টকে অবস্থা স্থানের বিভিন্ন অঞ্চলে পৌঁছাতে হয়, যা অপশনের সমাপ্তি বিন্দু হিসেবে আদর্শ।
Graph-Based Option Discovery
অবস্থা ট্রানজিশন গ্রাফের গঠন বিশ্লেষণ করে প্রাসঙ্গিক পথ এবং সাবগ্রাফ চিহ্নিত করার পদ্ধতি, যা অপশন প্রার্থী হিসেবে কাজ করে।
Covering Options
অপশনের একটি সেট যা নিশ্চিত করে যে অবস্থা স্থানের প্রতিটি অবস্থা অন্তত একটি অপশনের মাধ্যমে অর্জনযোগ্য, সম্পূর্ণ কভারেজ নিশ্চিত করে।