এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
কন্ট্রাক্টিভ অটোএনকোডার (CAE)
এক ধরনের অটোএনকোডার যার লস ফাংশনে এনকোডারের জ্যাকোবিয়ান ম্যাট্রিক্সের নর্মের ওপর একটি পেনাল্টি অন্তর্ভুক্ত থাকে, যা ল্যাটেন্ট রিপ্রেজেন্টেশনকে ইনপুটের ছোট পরিবর্তনের প্রতি অসংবেদনশীল হতে বাধ্য করে।
জ্যাকোবিয়ান পেনাল্টি
একটি কন্ট্রাক্টিভ অটোএনকোডারের লস ফাংশনে যুক্ত রেগুলারাইজেশন টার্ম, যা ইনপুটের প্রতিটি পিক্সেলের সাপেক্ষে ল্যাটেন্ট রিপ্রেজেন্টেশনের আংশিক ডেরিভেটিভের বর্গের সমষ্টি হিসেবে গণনা করা হয়।
ব্যাঘাতের প্রতি দৃঢ়তা
একটি মডেলের (বিশেষত কন্ট্রাক্টিভ অটোএনকোডার) সামর্থ্য, যা ইনপুট ডেটায় সামান্য পরিবর্তন বা নয়েজের মুখেও স্থিতিশীল কর্মক্ষমতা বজায় রাখে।
কন্ট্রাক্টিভ লস ফাংশন
স্ট্যান্ডার্ড রিকনস্ট্রাকশন এরর এবং জ্যাকোবিয়ান পেনাল্টির সমন্বয়ে গঠিত উদ্দেশ্যমূলক ফাংশন, যা কন্ট্রাক্টিভ অটোএনকোডার প্রশিক্ষণের সময় অপ্টিমাইজ করা হয়।
গ্রেডিয়েন্ট ভ্যানিশিং (গ্রেডিয়েন্ট হ্রাস)
গভীর নেটওয়ার্কে জ্যাকোবিয়ান পেনাল্টি গণনার সময় সম্ভাব্য সমস্যা, যেখানে গ্রেডিয়েন্ট অত্যন্ত ছোট হয়ে যেতে পারে, যা অপ্টিমাইজেশনকে কঠিন করে তোলে।
কন্ট্রাক্টেড ল্যাটেন্ট স্পেস
কন্ট্রাক্টিভ অটোএনকোডারের এনকোডার দ্বারা উৎপাদিত নিম্ন-মাত্রিক রিপ্রেজেন্টেশন স্পেস, যা ইনপুটের স্থানীয় পরিবর্তনের প্রতি কম সংবেদনশীলতা দ্বারা চিহ্নিত।
রেগুলারাইজেশন ফ্যাক্টর (ল্যাম্বডা)
একটি হাইপারপ্যারামিটার যা কন্ট্রাক্টিভ অটোএনকোডারের লস ফাংশনে জ্যাকোবিয়ান পেনাল্টির তুলনায় রিকনস্ট্রাকশন এররের আপেক্ষিক গুরুত্ব নিয়ন্ত্রণ করে।
ফ্যাক্টর ডিসএনট্যাঙ্গলমেন্ট
কন্ট্রাক্টিভ অটোএনকোডারের সাথে সম্পর্কিত লক্ষ্য, যেখানে ল্যাটেন্ট রিপ্রেজেন্টেশন ডেটার সবচেয়ে প্রাসঙ্গিক ভ্যারিয়েশন ফ্যাক্টরগুলো ধারণ করার চেষ্টা করে এবং অপ্রয়োজনীয় ভ্যারিয়েশনগুলোকে উপেক্ষা করে।
ডিনয়েজিং অটোএনকোডার (Denoising Autoencoder)
একটি সম্পর্কিত মডেল যা একটি দূষিত সংস্করণ থেকে পরিষ্কার ইনপুট পুনর্গঠন করতে শেখে, সংকোচনশীল অটোএনকোডারের মতো দৃঢ়তার লক্ষ্য ভাগ করে তবে ভিন্ন পদ্ধতির মাধ্যমে।
মডেলের সংবেদনশীলতা
একটি মডেলের আউটপুটের (এক্ষেত্রে, লুকানো উপস্থাপনা) পরিবর্তনের পরিমাপ, এর ইনপুটে ছোট পরিবর্তনের প্রতিক্রিয়ায়, যা সংকোচনশীল অটোএনকোডার কমিয়ে আনতে চেষ্টা করে।
সীমাবদ্ধতা দ্বারা নিয়মিতকরণ
CAE-তে ব্যবহৃত নিয়মিতকরণ কৌশল, যেখানে মডেলের প্যারামিটারগুলিতে একটি স্পষ্ট সীমাবদ্ধতা (জ্যাকোবিয়ানের উপর জরিমানা) আরোপ করা হয় তার শিক্ষাকে নির্দেশ করার জন্য।