এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
এসভিডি (সিঙ্গুলার ভ্যালু ডিকম্পোজিশন)
যেকোন ম্যাট্রিক্স M কে UΣVᵀ গুণফলে বিশ্লেষণের মৌলিক পদ্ধতি, যেখানে U এবং V অর্থোগোনাল এবং Σ হলো সিঙ্গুলার মান সহ কর্ণ ম্যাট্রিক্স। সর্বনিম্ন বর্গ পদ্ধতিতে k র্যাঙ্কের সেরা আনুমানিক মান প্রদান করে এবং ডেটার অন্তর্নিহিত কাঠামো প্রকাশ করে।
ছাঁটাইকৃত সিঙ্গুলার ভ্যালু ডিকম্পোজিশন
এসভিডির একটি রূপ যা মাত্রিকতা স্পষ্টভাবে হ্রাস করতে শুধুমাত্র k বৃহত্তম সিঙ্গুলার মান এবং সংশ্লিষ্ট ভেক্টর সংরক্ষণ করে। প্রধান তথ্য উপাদান সংরক্ষণ করার সময় নয়েজ দূর করে বায়াস-ভ্যারিয়েন্স ট্রেডঅফ অপ্টিমাইজ করে।
এলইউ ডিকম্পোজিশন
একটি বর্গ ম্যাট্রিক্সকে নিম্ন ত্রিভুজাকার ম্যাট্রিক্স L এবং উচ্চ ত্রিভুজাকার ম্যাট্রিক্স U এর গুণফলে ফ্যাক্টরাইজেশন। রৈখিক সমীকরণ পদ্ধতি দক্ষভাবে সমাধান এবং নির্ধারক গণনার জন্য মৌলিক।
কিউআর ডিকম্পোজিশন
একটি ম্যাট্রিক্সকে একটি অর্থোগোনাল ম্যাট্রিক্স Q এবং একটি উচ্চ ত্রিভুজাকার ম্যাট্রিক্স R এর গুণফলে বিশ্লেষণ। সর্বনিম্ন বর্গ সমস্যা সমাধান এবং সংখ্যাগতভাবে স্থিতিশীল অ্যালগরিদম বাস্তবায়নের জন্য অপরিহার্য।
প্যারাফ্যাক ফ্যাক্টরাইজেশন
ম্যাট্রিক্স ফ্যাক্টরাইজেশনকে উচ্চ-ক্রমের টেনসরে সম্প্রসারণ যা সমান্তরাল ফ্যাক্টর ডিকম্পোজিশন ব্যবহার করে। মাল্টি-সেন্সর সিগন্যাল বিশ্লেষণের মতো অ্যাপ্লিকেশনে টেনসরিয়াল ডেটায় বহুমাত্রিক মিথস্ক্রিয়া ধারণ করে।
টাকার ডিকম্পোজিশন
একটি টেনসরকে একটি কেন্দ্রীয় কোর এবং প্রতিটি মোডের জন্য ফ্যাক্টর ম্যাট্রিক্সে বিশ্লেষণ করে টেনসরে এসভিডির সাধারণীকরণ। প্রতিটি মাত্রার জন্য ভিন্ন র্যাঙ্ক অনুমোদন করে প্যারাফ্যাকের চেয়ে উচ্চতর নমনীয়তা প্রদান করে।
এএলএস ফ্যাক্টরাইজেশন (অল্টারনেটিং লিস্ট স্কোয়ার)
অন্যান্য ফ্যাক্টর স্থির রেখে প্রতিটি ম্যাট্রিক্স ফ্যাক্টরকে পর্যায়ক্রমে অপ্টিমাইজ করার পুনরাবৃত্তিমূলক অ্যালগরিদম। স্থানীয় সমাধানের দিকে দক্ষভাবে অভিসরণ করে এবং বৃহৎ-স্কেল রিকমেন্ডেশন সিস্টেমের জন্য রেফারেন্স পদ্ধতি গঠন করে।
লো-র্যাঙ্ক অপ্টিমাইজেশন
ন্যূনতম র্যাঙ্ক সীমাবদ্ধতার অধীনে সেরা ম্যাট্রিক্স আনুমানিক মান খোঁজার অপ্টিমাইজেশন সমস্যা। উচ্চ-মাত্রিক ডেটায় ডেটা কম্প্রেশন, নয়েজ রিডাকশন এবং কাঠামো নিষ্কাশনের জন্য মৌলিক।
ম্যাট্রিক্স সম্পূর্ণকরণ
একটি নিম্ন র্যাঙ্কের অন্তর্নিহিত কাঠামো ধরে নিয়ে একটি ম্যাট্রিক্সের অনুপস্থিত মানগুলি পূরণ করার কাজ। সুপারিশ ব্যবস্থা এবং আংশিকভাবে পর্যবেক্ষিত ডেটা পুনর্গঠনে প্রধান প্রয়োগ।
k-র্যাঙ্ক আনুমানিক পুনর্গঠন
একার্ট-ইয়াং উপপাদ্য নিশ্চিত করে যে এসভিডি ছাঁটাই ফ্রোবেনিয়াস নর্মের অর্থে k-র্যাঙ্কের সর্বোত্তম আনুমানিকতা প্রদান করে। এসভিডি-ভিত্তিক মাত্রা হ্রাস পদ্ধতির তাত্ত্বিকভাবে সর্বোত্তমতা প্রতিষ্ঠা করে।
সম্ভাব্য ম্যাট্রিক্স ফ্যাক্টরাইজেশন
বায়েসিয়ান পদ্ধতি যা লুকানো ফ্যাক্টরগুলিকে পূর্ববর্তী বন্টন সহ এলোমেলো ভেরিয়েবল হিসেবে বিবেচনা করে। স্বাভাবিকভাবে নিয়মিতকরণ অন্তর্ভুক্ত করতে এবং পূর্বাভাসে অনিশ্চয়তা পরিমাপ করতে সক্ষম করে।
স্টোকাস্টিক এসভিডি ডিকম্পোজিশন
র্যান্ডমাইজড অ্যালগরিদম যা গণনামূলক জটিলতা কমাতে এলোমেলো প্রজেকশন ব্যবহার করে একটি আনুমানিক এসভিডি গণনা করে। বিশাল ম্যাট্রিক্সের জন্য বিশেষভাবে কার্যকর যেখানে সঠিক এসভিডি অত্যন্ত ব্যয়বহুল।
ব্লক ডায়াগোনাল ফ্যাক্টরাইজেশন
বিশেষায়িত ডিকম্পোজিশন যা গণনা সমান্তরাল করতে এবং মেমরি জটিলতা কমাতে একটি ব্লক কাঠামো ব্যবহার করে। বৃহৎ স্কেলের কাঠামোগত ম্যাট্রিক্সের বিতরণ প্রক্রিয়াকরণের জন্য অপরিহার্য।
স্বাধীন উপাদান ডিকম্পোজিশন
ফ্যাক্টরাইজেশন যা একটি বহুচলকীয় সংকেতকে পরিসংখ্যানগতভাবে স্বাধীন উপাদানগুলিতে আলাদা করে নন-গাউসিয়ানিটিকে সর্বাধিক করে। সংকেত প্রক্রিয়াকরণ এবং ব্লাইন্ড সোর্স সেপারেশনের জন্য মৌলিক।
আউটলিয়ার-প্রতিরোধী ফ্যাক্টরাইজেশন
ম্যাট্রিক্স ফ্যাক্টরাইজেশনের একটি বৈকল্পিক যা শক্তিশালী নর্ম ব্যবহার করে দূষিত পর্যবেক্ষণ বা অস্বাভাবিকতা প্রতিরোধ করে। বাস্তব ডেটার জন্য সমালোচনামূলক যা প্রায়শই শব্দ বা পরিমাপ ত্রুটি দ্বারা দূষিত হয়।