এআই গ্লসারি

📖

শব্দ

ভ্যারিয়েশনাল অটোএনকোডার (VAE)

একটি জেনারেটিভ নিউরাল নেটওয়ার্ক আর্কিটেকচার যা ইনপুট ডেটার সম্ভাব্য লুকানো উপস্থাপনা শেখে, এই লুকানো স্থানের নমুনা থেকে নতুন নমুনা তৈরি করার সুযোগ দেয়।

📖

শব্দ

স্পষ্ট নিম্ন সীমা (ELBO)

VAE-তে সর্বাধিকরণের লক্ষ্য, যা ডেটার মার্জিনাল লগ-লাইকলিহুডের নিম্ন সীমা প্রতিনিধিত্ব করে, পুনর্গঠন এবং লুকানো স্থানের নিয়মিতকরণের মধ্যে ভারসাম্য বজায় রাখে।

📖

শব্দ

আনুমানিক পোস্টেরিয়র (q(z|x))

VAE-এর প্রেক্ষাপটে এনকোডার দ্বারা প্যারামিটারাইজড ডিস্ট্রিবিউশন যা ইনপুট ডেটার শর্তাধীন লুকানো ভেরিয়েবলের প্রকৃত পোস্টেরিয়র ডিস্ট্রিবিউশনকে আনুমানিক করে।

📖

শব্দ

পোস্টেরিয়র ধস

VAE-তে একটি সমস্যা যেখানে শেখা লুকানো ডিস্ট্রিবিউশন পূর্ববর্তী ডিস্ট্রিবিউশনের সাথে অভিন্ন হয়ে যায়, এনকোডারকে অপ্রয়োজনীয় করে তোলে এবং নিম্নমানের নমুনা তৈরি করে।

📖

শব্দ

পূর্ববর্তী ডিস্ট্রিবিউশন (p(z))

VAE-তে লুকানো ভেরিয়েবলের জন্য নির্বাচিত সম্ভাব্যতা ডিস্ট্রিবিউশন, সাধারণত একটি স্ট্যান্ডার্ড গাউসিয়ান N(0, I), যা লুকানো স্থানের জন্য নিয়মিতকারী হিসেবে কাজ করে।

📖

শব্দ

ডিকনভল্যুশনাল অটোএনকোডার

VAE-এর একটি রূপ যা ডিকোডারে ডিকনভল্যুশন স্তর ব্যবহার করে ছবির মতো কাঠামোগত ডেটা তৈরি করতে, স্থানিক সম্পর্কগুলোকে আরও ভালোভাবে সংরক্ষণ করে।

📖

শব্দ

ফ্যাক্টরগুলির বিচ্ছিন্নকরণ

একটি কাঙ্ক্ষিত বৈশিষ্ট্য যেখানে VAE-এর লুকানো স্থানের প্রতিটি মাত্রা জেনারেটেড ডেটায় একটি স্বাধীন শব্দার্থিক পরিবর্তনের ফ্যাক্টর ধারণ করে।

📖

শব্দ

লুকানো ভেরিয়েবলের শ্রেণিবিন্যাস

উন্নত VAE আর্কিটেকচার যা ডেটায় বিভিন্ন বিমূর্ততার স্কেলে বৈশিষ্ট্যগুলি ধরার জন্য একাধিক স্তরের লুকানো ভেরিয়েবল ব্যবহার করে।

📖

শব্দ

VAE-তে নরমালাইজিং ফ্লো

VAE-এর পূর্ববর্তী বণ্টন বা আনুমানিক পোস্টেরিয়রের নমনীয়তা বৃদ্ধির জন্য নরমালাইজিং ফ্লো রূপান্তর সংযোজন, যা VAE-এর জেনারেটিভ গুণমান উন্নত করে।