এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
VIME
ভেরিয়েশনাল ইমপুটেশন এবং মাস্ক এস্টিমেশন, একটি মিসিং ভ্যালু ইমপুটেশন ফ্রেমওয়ার্ক যা ডেটা ডিস্ট্রিবিউশন এবং মিসিংনেস মাস্কের যৌথ মডেলিংয়ের জন্য ভেরিয়েশনাল ইনফারেন্স ব্যবহার করে।
মাস্ক অফ মিসিংনেস
বাইনারি ম্যাট্রিক্স যা প্রতিটি অবজারভেশন এবং ভেরিয়েবলের জন্য ডেটার উপস্থিতি (1) বা অনুপস্থিতি (0) নির্দেশ করে, যার ডিস্ট্রিবিউশন VIME-এ মডেল করা হয়।
অটো-এনকোডার ভেরিয়েশনাল (VAE)
নিউরাল নেটওয়ার্কের জেনারেটিভ আর্কিটেকচার যা ডেটার একটি প্রোবাবিলিস্টিক লেটেন্ট রিপ্রেজেন্টেশন শেখে, VIME-এ সম্পূর্ণ ডেটার ডিস্ট্রিবিউশন মডেল করার জন্য ব্যবহৃত হয়।
মেকানিজম MAR (মিসিং অ্যাট র্যান্ডম)
ধারণা যেখানে একটি মান মিসিং হওয়ার সম্ভাবনা শুধুমাত্র অবজার্ভড ভ্যালুগুলির উপর নির্ভর করে, যা VIME ফ্রেমওয়ার্ক দ্বারা শর্তসাপেক্ষে সম্মানিত হয়।
মেকানিজম MNAR (মিসিং নট অ্যাট র্যান্ডম)
পরিস্থিতি যেখানে মিসিংনেসের সম্ভাবনা মিসিং ভ্যালুগুলির উপরই নির্ভর করে, যা VIME তার মাস্কের যৌথ এস্টিমেশন এর মাধ্যমে মডেল করতে পারে।
রি-স্যাম্পলিং অফ ইম্পর্টেন্স
মন্টে কার্লো এস্টিমেশন টেকনিক যা VIME-এ ভেরিয়েশনাল ডিস্ট্রিবিউশনের অধীনে প্রত্যাশা আনুমানিক করতে কম ভ্যারিয়েন্স সহ ব্যবহৃত হয়।
পোস্টেরিয়র প্রেডিক্টিভ
ভবিষ্যতের ডেটার ডিস্ট্রিবিউশন যা মডেল প্যারামিটারে অনিশ্চয়তা অন্তর্ভুক্ত করে, যা VIME বাস্তবসম্মত ইমপুটেশন জেনারেট করার জন্য ব্যবহার করে।
ইনফারেন্স অ্যামরটাইজেশন
কৌশল যেখানে ভেরিয়েশনাল প্যারামিটারগুলি পৃথকভাবে অপ্টিমাইজ করার পরিবর্তে একটি নিউরাল নেটওয়ার্ক (এনকোডার) দ্বারা উৎপাদিত হয়, যা বড় ডেটাসেটের দক্ষ প্রক্রিয়াকরণের অনুমতি দেয়।
বৈচিত্র্যমূলক সীমার বিভাজন
ELBO-কে পৃথক পদে বিশ্লেষণ (পুনর্গঠন, লুকানো নিয়মিতকরণ, মাস্ক পূর্বাভাস) যা VIME মডেলের স্থাপত্য এবং প্রশিক্ষণকে নির্দেশনা দেয়।
স্বয়ংক্রিয়-প্রতিগমন ভিত্তিক প্রতিস্থাপন
একটি পদ্ধতি যেখানে অনুপস্থিত মানগুলি পূর্ববর্তী প্রতিস্থাপনের উপর শর্ত সাপেক্ষে ক্রমানুসারে প্রতিস্থাপিত হয়, VIME-এর বৈচিত্র্যমূলক পদ্ধতির একটি বিকল্প।
গভীর উৎপাদনশীল মডেল
ডেটার সম্ভাব্যতা বন্টন শেখা মডেলের একটি শ্রেণী, যার মধ্যে VIME হল অনুপস্থিত মান সহ কাঠামোগত ডেটার জন্য একটি বিশেষ উদাহরণ।