এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
M1 মডেল
লেবেলবিহীন ডেটার জন্য VAE এবং লেবেলযুক্ত ডেটার জন্য পৃথক শ্রেণীবদ্ধকারী ব্যবহার করে প্রথম আধা-তত্ত্বাবধায়িত মডেল, স্বাধীনভাবে অপ্টিমাইজ করা হয়েছে।
M2 মডেল
উন্নত স্থাপত্য যেখানে লেবেলটি লুকানো ভেরিয়েবল হিসেবে সংযুক্ত করা হয়েছে, যা নিয়ন্ত্রিত ডেটা জেনারেশন এবং একীভূত শ্রেণীবিভাগের অনুমতি দেয়।
যৌথ অপ্টিমাইজেশন
এনকোডার, ডিকোডার এবং শ্রেণীবদ্ধকারীকে একইসাথে অপ্টিমাইজ করার কৌশল যা লেবেলযুক্ত এবং লেবেলবিহীন উভয় ডেটা ব্যবহার করে।
লুকানো ভেরিয়েবল সুপারভিশন
একটি কৌশল যেখানে লেবেলগুলি বৈষম্যমূলক উপস্থাপনা শেখার নির্দেশনা দেওয়ার জন্য লুকানো স্থানে সরাসরি তত্ত্বাবধানের কাজ করে।
হাইব্রিড লার্নিং অবজেক্টিভ
VAE পুনর্গঠন, KL নিয়মিতকরণ এবং শ্রেণীবিভাগের ক্ষতি সমন্বিত একটি ক্ষতি ফাংশন, ডেটার ধরন অনুযায়ী ওজনযুক্ত।
শ্রেণীবদ্ধকারী হেড
VAE এনকোডারের সাথে সংযুক্ত শ্রেণীবিভাগ মডিউল যা লুকানো উপস্থাপনা থেকে লেবেলগুলি ভবিষ্যদ্বাণী করে, লেবেলযুক্ত ডেটাতে প্রশিক্ষিত।
আধা-তত্ত্বাবধায়িত ELBO
প্রমাণের নিম্ন সীমার একটি বৈকল্পিক যা আংশিকভাবে লেবেলযুক্ত ডেটার জন্য অভিযোজিত এবং শ্রেণীবিভাগের পদগুলি অন্তর্ভুক্ত করে।
উপস্থাপনা বিচ্ছিন্নতা
একটি বৈশিষ্ট্য যেখানে লুকানো স্থান সেমান্টিক পরিবর্তনের কারণগুলি স্টাইল ফ্যাক্টর থেকে স্বাভাবিকভাবে আলাদা করে, আংশিক তত্ত্বাবধান দ্বারা সহজতর।
শিক্ষক-ছাত্র VAE
একটি আর্কিটেকচার যেখানে একটি শিক্ষক VAE একটি ছাত্র VAE-কে তত্ত্বাবধান করে আধা-তত্ত্বাবধায়িত শিক্ষণের স্থিতিশীলতা উন্নত করার জন্য।
ভ্যারিয়েশনাল আধা-তত্ত্বাবধায়িত শিক্ষণ
একটি প্যারাডাইম যা আংশিকভাবে তত্ত্বাবধানকৃত ডেটার সাথে ভ্যারিয়েশনাল ইনফারেন্সকে একত্রিত করে একটি ঐক্যবদ্ধ সম্ভাব্য মডেলিংয়ের জন্য।
লেটেন্ট ক্লাসিফায়ার
একটি ক্লাসিফায়ার যা সরাসরি VAE-এর লেটেন্ট স্পেসে কাজ করে, আরও ভাল জেনারালাইজেশনের জন্য শেখা উপস্থাপনাগুলি ব্যবহার করে।
অক্জিলিয়ারি টাস্ক লার্নিং
মাল্টি-টাস্ক লার্নিং যেখানে রিকনস্ট্রাকশন প্রধান শ্রেণীবিভাগ কর্মক্ষমতা উন্নত করার জন্য একটি সহায়ক কাজ হিসেবে কাজ করে।