এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
অস্বাভাবিক অটো-এনকোডার
অটো-এনকোডারের একটি প্রকরণ যেখানে মডেলটি প্রধানত অস্বাভাবিক ডেটার উপর প্রশিক্ষিত হয়, যা অস্বাভাবিকতাগুলির দক্ষ পুনর্গঠন এবং স্বাভাবিক ডেটার খারাপ পুনর্গঠন করতে সক্ষম করে।
GAN অস্বাভাবিকতা সনাক্তকরণ
জেনারেটিভ অ্যাডভারসারিয়াল নেটওয়ার্ক ব্যবহার করে এমন একটি পদ্ধতি যেখানে ডিসক্রিমিনেটর স্বাভাবিক ডেটা এবং অস্বাভাবিকতা আলাদা করতে শেখে, অথবা জেনারেটর বাস্তবসম্মত অস্বাভাবিকতা তৈরি করতে অক্ষম হয়।
অস্বাভাবিকতার জন্য অ্যাটেনশন মেকানিজম
নিউরাল নেটওয়ার্কের একটি মডিউল যা ইনপুট ডেটার বিভিন্ন অংশের গুরুত্ব ওজন করে, অস্বাভাবিক আচরণের জন্য দায়ী অঞ্চল বা সময়সীমা বিচ্ছিন্ন করতে সক্ষম করে।
LSTM দ্বারা অস্বাভাবিকতা সনাক্তকরণ
দীর্ঘ-স্বল্পমেয়াদী মেমরি রিকারেন্ট নিউরাল নেটওয়ার্ক ব্যবহার করে একটি পদ্ধতি যা টাইম সিরিজের সময়গত নির্ভরতা মডেল করতে এবং শেখা প্যাটার্ন থেকে বিচ্যুতি সনাক্ত করতে ব্যবহৃত হয়।
টাইম সিরিজের জন্য ট্রান্সফরমার
ট্রান্সফরমার আর্কিটেকচারের প্রয়োগ, যা স্ব-অ্যাটেনশন মেকানিজমের উপর ভিত্তি করে, সিকোয়েনশিয়াল ডেটাতে দীর্ঘমেয়াদী সম্পর্ক মডেল করতে এবং সূক্ষ্ম অস্বাভাবিকতা সনাক্ত করতে ব্যবহৃত হয়।
গভীর অনিরীক্ষিত শিক্ষণ
একটি প্যারাডাইম যেখানে গভীর নিউরাল নেটওয়ার্ক লেবেল ছাড়াই স্বাভাবিক ডেটার কাঠামো শেখে, এই জ্ঞান ব্যবহার করে যা কিছু বিচ্যুত হয় তা অস্বাভাবিকতা হিসাবে চিহ্নিত করে।
গভীর আইসোলেশন ফরেস্ট
আইসোলেশন ফরেস্ট অ্যালগরিদমের একটি এক্সটেনশন যেখানে স্পেস বিভাজন নিউরন লেয়ার দ্বারা সম্পন্ন হয়, উচ্চ-মাত্রিক স্পেসে অস্বাভাবিকতার আরও জটিল এবং দক্ষ বিচ্ছিন্নতা সম্ভব করে।
অস্বাভাবিকতার জন্য গ্রাফ নিউরাল নেটওয়ার্ক
নেটওয়ার্ক-স্ট্রাকচার্ড ডেটাতে অস্বাভাবিকতা সনাক্ত করতে গ্রাফ নিউরাল নেটওয়ার্কের ব্যবহার, যেখানে নোড বা সাবগ্রাফ চিহ্নিত করা হয় যার আচরণ নর্ম থেকে বিচ্যুত হয়।
অ্যানোমালির জন্য এপিসোডিক মেমরি
নিউরাল নেটওয়ার্ক আর্কিটেকচার যা একটি মেমরি মডিউল সংহত করে যা স্বাভাবিক ডেটার প্রোটোটাইপ সংরক্ষণ করে, নতুন ইনপুটগুলিকে এই জ্ঞান ভিত্তির সাথে তুলনা করে অ্যানোমালি সনাক্ত করতে সক্ষম করে।
অ্যানোমালির জন্য প্রেডিক্টিভ কোডিং
একটি মডেল যা একটি সিকোয়েন্সে পরবর্তী সময় ধাপের পূর্বাভাস দেয়; একটি বড় প্রেডিকশন ত্রুটি নির্দেশ করে যে পর্যবেক্ষণকৃত ঘটনাটি অপ্রত্যাশিত ছিল এবং তাই সম্ভাব্য অস্বাভাবিক।
অ্যানোমালির জন্য কনট্রাস্টিভ লার্নিং
একটি শেখার কৌশল যেখানে মডেলটিকে স্বাভাবিক ডেটার উপস্থাপনাগুলিকে কাছাকাছি আনা এবং অস্বাভাবিকগুলিকে দূরে সরানোর জন্য প্রশিক্ষিত করা হয়, লেটেন্ট স্পেসে পৃথকীকরণ উন্নত করে।
অ্যানোমালির জন্য ভেরিয়েশনাল অটো-এনকোডার (VAE)
একটি অটো-এনকোডার যা লেটেন্ট স্পেসের একটি সম্ভাব্যতা বন্টন শেখে; স্বাভাবিক ডেটার উপর শেখা এই বন্টনের অধীনে তাদের কম সম্ভাবনার মাধ্যমে অস্বাভাবিকতাগুলি সনাক্ত করা হয়।