এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
স্বয়ংক্রিয় এনসেম্বল লার্নিং
মানুষের হস্তক্ষেপ ছাড়াই কর্মক্ষমতা অপ্টিমাইজ করার জন্য একাধিক ভবিষ্যদ্বাণীমূলক মডেল তৈরি, নির্বাচন এবং সমন্বয় করার প্রক্রিয়া স্বয়ংক্রিয়ভাবে করা।
স্বয়ংক্রিয় স্ট্যাকিং
একটি পদ্ধতি যেখানে একটি মেটা-মডেল স্বয়ংক্রিয়ভাবে একাধিক বেস মডেলের ভবিষ্যদ্বাণীগুলিকে সমন্বয় করে সামগ্রিক নির্ভুলতা উন্নত করতে শেখে।
স্বয়ংক্রিয় ব্লেন্ডিং
একটি এনসেম্বল কৌশল যা হোল্ড-আউট ভ্যালিডেশন সেট ব্যবহার করে মডেলগুলির ভবিষ্যদ্বাণীগুলিকে সমন্বয় করে এবং সমন্বয় মডেলটিকে স্বয়ংক্রিয়ভাবে প্রশিক্ষণ দেয়।
স্বয়ংক্রিয় ব্যাগিং
স্বয়ংক্রিয় বুটস্ট্র্যাপ অ্যাগ্রিগেটিং যা ভ্যারিয়েন্স হ্রাস এবং রোবাস্টনেস উন্নত করার জন্য বুটস্ট্র্যাপ ডেটার উপসেটগুলিতে একাধিক মডেল তৈরি করে।
স্বয়ংক্রিয় বুস্টিং
একটি পুনরাবৃত্তিমূলক স্বয়ংক্রিয় প্রক্রিয়া যা ক্রমানুসারে মডেলগুলি তৈরি করে যেখানে প্রতিটি মডেল পূর্ববর্তীটির ত্রুটিগুলি সংশোধন করে কর্মক্ষমতা অপ্টিমাইজ করার জন্য।
অটো-স্ট্যাকিং
একটি সম্পূর্ণ স্বয়ংক্রিয় সিস্টেম যা বেস মডেল এবং মেটা-মডেল নির্বাচন সহ স্ট্যাকিং আর্কিটেকচার আবিষ্কার এবং অপ্টিমাইজ করে।
এনসেম্বলগুলির জন্য হাইপারপ্যারামিটার টিউনিং
এনসেম্বলের সমন্বয় প্যারামিটার এবং পৃথক মডেলের হাইপারপ্যারামিটারগুলির স্বয়ংক্রিয় অপ্টিমাইজেশন কর্মক্ষমতা সর্বাধিক করার জন্য।
স্বয়ংক্রিয় মডেল নির্বাচন
একটি অ্যালগরিদম যা তাদের কর্মক্ষমতা এবং বৈচিত্র্যের ভিত্তিতে এনসেম্বলের জন্য সেরা প্রার্থীদের স্বয়ংক্রিয়ভাবে নির্বাচন করে।
এনসেম্বলের জন্য ফিচার ইঞ্জিনিয়ারিং
এনসেম্বলে মডেলগুলোর পরিপূরকতা উন্নত করার জন্য বিশেষভাবে অপ্টিমাইজড ফিচারের স্বয়ংক্রিয় জেনারেশন।
স্তরবিন্যাসযুক্ত ক্রস-ভ্যালিডেশন
এনসেম্বলের পারফরম্যান্স নির্ভরযোগ্যভাবে মূল্যায়নের জন্য ক্লাস ডিস্ট্রিবিউশন স্বয়ংক্রিয়ভাবে সংরক্ষণকারী ক্রস-ভ্যালিডেশন কৌশল।
স্বয়ংক্রিয় ভোটিং ক্লাসিফায়ার
হার্ড ভোট নাকি সফট ভোট সর্বোত্তম তা স্বয়ংক্রিয়ভাবে নির্ধারণ করে এবং প্রতিটি ক্লাসিফায়ারের জন্য সর্বোত্তম ওয়েট নির্বাচন করে এমন সিস্টেম।
এনসেম্বল ডাইভারসিটি ম্যাক্সিমাইজেশন
কম্বিনেশনের পারফরম্যান্স লাভ সর্বাধিক করার জন্য মডেলগুলোর মধ্যে ত্রুটি বৈচিত্র্য স্বয়ংক্রিয়ভাবে অপ্টিমাইজ করার অ্যালগরিদম।
স্বয়ংক্রিয় মডেল ওয়েটিং
এনসেম্বলে প্রতিটি মডেলের নিজস্ব পারফরম্যান্সের ভিত্তিতে তাদের সর্বোত্তম ওয়েট স্বয়ংক্রিয়ভাবে নির্ধারণ করার প্রক্রিয়া।
এনসেম্বলের জন্য নিউরাল আর্কিটেকচার সার্চ
একটি পারফরম্যান্সমূলক এনসেম্বলে একসাথে কাজ করার জন্য অপ্টিমাইজড পরিপূরক নিউরাল আর্কিটেকচারগুলোর স্বয়ংক্রিয় অনুসন্ধান।
মাল্টি-অবজেক্টিভ এনসেম্বল অপ্টিমাইজেশন
চূড়ান্ত এনসেম্বলের জন্য যথার্থতা, ইনফারেন্স সময় এবং জটিলতার মতো একাধিক উদ্দেশ্য স্বয়ংক্রিয়ভাবে একইসাথে অপ্টিমাইজ করা।
স্বয়ংক্রিয় এনসেম্বল প্রুনিং
পারফরম্যান্স/জটিলতা অনুপাত অপ্টিমাইজ করার জন্য এনসেম্বল থেকে রিডান্ডেন্ট বা আন্ডারপারফর্মিং মডেলগুলোর স্বয়ংক্রিয় অপসারণ।
ডাইনামিক এনসেম্বল সিলেকশন
প্রতিটি নতুন ইনস্ট্যান্সের পূর্বাভাসের জন্য সবচেয়ে দক্ষ মডেল সাবসেটের রিয়েল-টাইম স্বয়ংক্রিয় নির্বাচন।
হেটেরোজেনিয়াস এনসেম্বল লার্নিং
বিভিন্ন ধরনের মডেলের (গাছ, নেটওয়ার্ক, এসভিএম) পরিপূরক শক্তিগুলো কাজে লাগানোর জন্য স্বয়ংক্রিয় সমন্বয়।
ক্যাসকেড এনসেম্বল লার্নিং
ক্যাসকেড আর্কিটেকচার যেখানে সাধারণ মডেলগুলো প্রথমে ব্যবহৃত হয় এবং প্রয়োজন হলে জটিল মডেলগুলো ব্যবহার করা হয়, স্বয়ংক্রিয়ভাবে অপ্টিমাইজড।