এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
টি-এসএনই (t-Distributed Stochastic Neighbor Embedding)
অরৈখিক মাত্রা হ্রাসের একটি অ্যালগরিদম, যা উচ্চ মাত্রার ডেটা দৃশ্যায়নের জন্য বিশেষভাবে কার্যকর, স্থানীয় সদৃশ কাঠামো সংরক্ষণের উপর গুরুত্ব দেয়।
প্রতিবেশীর সংখ্যা (n_neighbors)
ইউম্যাপের একটি মৌলিক প্যারামিটার যা স্থানীয় প্রতিবেশীর আকার নির্ধারণ করে, যা ম্যানিফোল্ড উপস্থাপনা নির্মাণে ব্যবহৃত হয় এবং কাঠামো সংরক্ষণকে সরাসরি প্রভাবিত করে।
বিকর্ষণ শক্তি
টি-এসএনই এবং ইউম্যাপের মতো ভিজ্যুয়ালাইজেশন অ্যালগরিদমে ব্যবহৃত একটি প্রক্রিয়া, যা পয়েন্টগুলির একত্রীকরণ রোধ করে এবং ডেটার স্থানীয় কাঠামো সংরক্ষণ করে।
গ্রেডিয়েন্ট ডিসেন্ট অপ্টিমাইজেশন
টি-এসএনই এবং ইউম্যাপে খরচ ফাংশন কমানোর জন্য ব্যবহৃত একটি পুনরাবৃত্তিমূলক প্রক্রিয়া, যা ধীরে ধীরে হ্রাসকৃত স্থানে পয়েন্টগুলির অবস্থান সমন্বয় করে।
স্থানীয় বনাম বৈশ্বিক কাঠামো
মাত্রা হ্রাস অ্যালগরিদমে মৌলিক একটি সমঝোতা, যা কাছাকাছি প্রতিবেশী সম্পর্ক সংরক্ষণ এবং ক্লাস্টারগুলির বৈশ্বিক বিন্যাসের মধ্যে ভারসাম্য রক্ষা করে।
টপোলজিক্যাল ম্যানিফোল্ড (Manifold)
ইউম্যাপের অন্তর্নিহিত একটি গাণিতিক ধারণা, যা ধরে নেয় যে উচ্চ মাত্রার ডেটা মূল স্থানের মধ্যে নিম্ন মাত্রার একটি পৃষ্ঠে অবস্থান করে।
কে-নিকটতম প্রতিবেশী গ্রাফ (k-NN)
ইউম্যাপ দ্বারা ব্যবহৃত একটি মধ্যবর্তী ডেটা কাঠামো, যা মাত্রা হ্রাসের আগে প্রতিবেশী সম্পর্ক মডেলিংয়ে ব্যবহৃত হয়।
Min_distance
ইউম্যাপের একটি প্যারামিটার যা হ্রাসকৃত স্থানে পয়েন্টগুলির মধ্যে অনুমোদিত সর্বনিম্ন দূরত্ব নিয়ন্ত্রণ করে, ফলে ক্লাস্টারগুলির ঘনত্বকে প্রভাবিত করে।
এম্বেডিং গুণমান
নিম্ন মাত্রার উপস্থাপনা মূল ডেটার কাঠামোগত সম্পর্কগুলো কতটা বিশ্বস্তভাবে সংরক্ষণ করে তার পরিমাপ।
স্টোকাস্টিক এম্বেডিং
t-SNE-এর সম্ভাবনামূলক প্রকৃতি, যেখানে চূড়ান্ত অবস্থানগুলো একেকবার একেক রকম হতে পারে, যা মাত্রা হ্রাসের নিয়ন্ত্রিত পদ্ধতির বিপরীতে।
ক্রস-এনট্রপি অপ্টিমাইজেশন
কিছু t-SNE বাস্তবায়নে ব্যবহৃত কুলব্যাক-লেইবলার ডাইভারজেন্সের বিকল্প, যা অপ্টিমাইজেশনের স্থিতিশীল অভিসারের জন্য ব্যবহৃত হয়।