এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
রোবাস্ট ম্যাট্রিক্স ফ্যাক্টরাইজেশন
আউটলায়ার এবং নয়েজ প্রতিরোধী ম্যাট্রিক্স ডিকম্পোজিশন কৌশলগুলির সেট, যা অনুমান করা লেটেন্ট ফ্যাক্টরগুলিতে ডেটা ত্রুটির প্রভাব কমানোর জন্য ডিজাইন করা হয়েছে।
রোবাস্ট সিঙ্গুলার ভ্যালু ডিকম্পোজিশন (rSVD)
স্ট্যান্ডার্ড SVD-এর একটি বৈকল্পিক যা L2 নর্মের পরিবর্তে আউটলায়ার-প্রতিরোধী নর্ম (যেমন L1 নর্ম) ব্যবহার করে, নয়েজের উপস্থিতিতে আরও নির্ভরযোগ্য প্রধান উপাদান অনুমান করতে সক্ষম করে।
রোবাস্ট নন-নেগেটিভ ম্যাট্রিক্স ফ্যাক্টরাইজেশন (rNMF)
NMF-এর একটি এক্সটেনশন যা আউটলায়ার সনাক্তকরণ এবং প্রক্রিয়াকরণ মেকানিজম অন্তর্ভুক্ত করে, প্রায়শই নিয়মিতকরণ পদ বা নির্দিষ্ট লস ফাংশনের মাধ্যমে, নন-নেগেটিভ এবং স্থিতিশীল ফ্যাক্টর নিশ্চিত করার জন্য।
ফ্যাক্টরাইজেশনে হিউবার পদ্ধতি
একটি পদ্ধতি যা হিউবার লস ফাংশন প্রয়োগ করে - ছোট ত্রুটির জন্য দ্বিঘাত এবং বড় ত্রুটির জন্য রৈখিক - ফ্যাক্টরাইজেশন অপ্টিমাইজেশনে, যা নয়েজের প্রতি সংবেদনশীলতা এবং আউটলায়ারের প্রতি রোবাস্টনেসের মধ্যে একটি ভারসাম্য প্রদান করে।
L1-PCA ফ্যাক্টরাইজেশন
L1 নর্ম মিনিমাইজেশনের উপর ভিত্তি করে প্রিন্সিপাল কম্পোনেন্ট অ্যানালিসিস পদ্ধতি, যা স্ট্যান্ডার্ড PCA-তে ঐতিহ্যগতভাবে ব্যবহৃত L2 নর্মের তুলনায় এক্সট্রিম পয়েন্টগুলির প্রতি কম সংবেদনশীল।
রোবাস্ট পার্সিমোনিয়াস কম্পোনেন্ট অ্যানালিসিস (RPCA)
একটি কৌশল যা একটি ডেটা ম্যাট্রিক্সকে একটি লো-র্যাঙ্ক ম্যাট্রিক্স (অন্তর্নিহিত কাঠামো) এবং একটি স্পার্স ম্যাট্রিক্স (আউটলায়ার) এর যোগফল হিসাবে ডিকম্পোজ করে, যার ফলে কার্যকরভাবে সিগন্যালকে নয়েজ থেকে পৃথক করে।
মিডিয়ান অ্যাবসোলিউট ডেভিয়েশন (MAD) ম্যাট্রিক্স ফ্যাক্টরাইজেশন
একটি রোবাস্ট পদ্ধতি যা ডিকম্পোজিশনের সময় ত্রুটিগুলি ওজন করার জন্য বিচ্ছুরণের পরিমাপ হিসাবে মিডিয়ান অ্যাবসোলিউট ডেভিয়েশন ব্যবহার করে, চূড়ান্ত মডেলের উপর এক্সট্রিম অবজারভেশনের প্রভাব হ্রাস করে।
রোবাস্ট অল্টারনেটিং লিস্ট স্কোয়ারস অ্যালগরিদম
ALS অ্যালগরিদমের একটি বৈকল্পিক যেখানে লস ফাংশনটি আউটলায়ারগুলির প্রতি কম সংবেদনশীল হওয়ার জন্য পরিবর্তন করা হয়, প্রায়শই ফ্যাক্টরগুলির বিকল্প আপডেটের সময় লিস্ট স্কোয়ারসকে রোবাস্ট মানদণ্ড দ্বারা প্রতিস্থাপন করে।
রোবাস্ট কোয়ান্টাইল ফ্যাক্টরাইজেশন
একটি পদ্ধতি যা রেজিডিউয়ালের গড়ের পরিবর্তে তাদের কোয়ান্টাইলের উপর ভিত্তি করে ফ্যাক্টরাইজেশনকে অপ্টিমাইজ করে, যা অনুমান প্রক্রিয়াকে নির্দিষ্ট অনুপাতের দূষিত ডেটার প্রতি অপ্রতিরোধ্য করে তোলে।
রোবাস্ট লেটেন্ট ফ্যাক্টর ডিকম্পোজিশন
একটি মডেলিং পদ্ধতি যা ডেটা ম্যাট্রিক্স থেকে লেটেন্ট ভেরিয়েবল (ফ্যাক্টর) নিষ্কাশন করার সময় নয়েজড বা আউটলায়ার পর্যবেক্ষণের প্রভাব হ্রাস করে, ডেটার অন্তর্নিহিত কাঠামোর আরও বিশ্বস্ত উপস্থাপনার জন্য।
রোবাস্ট ওয়েট সহ ম্যাট্রিক্স ফ্যাক্টরাইজেশন
একটি কৌশল যা প্রতিটি ম্যাট্রিক্স এন্ট্রিকে একটি আউটলায়ার হওয়ার সম্ভাবনার উপর ভিত্তি করে ওজন নির্ধারণ করে, যেসব ওজন পরে ডিকম্পোজিশন চলাকালীন অবিশ্বস্ত ডেটার প্রভাব কমানোর জন্য ব্যবহৃত হয়।
ফ্যাক্টরাইজেশনে RANSAC পদ্ধতি
র্যান্ডম স্যাম্পল কনসেনসাস (RANSAC) এর ফ্যাক্টরাইজেশনে প্রয়োগ, যেখানে মডেলটি পুনরাবৃত্তিমূলকভাবে র্যান্ডম ডেটা সাবসেট থেকে অনুমান করা হয়, শুধুমাত্র ইনলায়ার (সামঞ্জস্যপূর্ণ ডেটা) ধরে রেখে চূড়ান্ত রোবাস্ট মডেল তৈরি করা হয়।
L2,1 নর্ম ফ্যাক্টরাইজেশন
একটি পদ্ধতি যা ত্রুটি ম্যাট্রিক্সের L2,1 নর্ম (সারিগুলির L2 নর্মের যোগফল) হ্রাস করে, যা ডেটা ম্যাট্রিক্সে সারি বা কলামে কাঠামোগত আউটলায়ারগুলির প্রতি বিশেষভাবে রোবাস্ট করে তোলে।
ট্রাঙ্কেটেড রোবাস্ট SVD ডিকম্পোজিশন
ট্রাঙ্কেটেড SVD-এর একটি রোবাস্ট সংস্করণ যা k বৃহত্তম সিঙ্গুলার ভ্যালু রাখার আগে, ধরে রাখা উপাদানগুলির উপর নয়েজ এবং এক্সট্রিম পয়েন্টের প্রভাব হ্রাস করার জন্য একটি ক্লিনিং বা ওয়েটিং পদ্ধতি প্রয়োগ করে।
নয়েজ মিক্সচার মডেল সহ ম্যাট্রিক্স ফ্যাক্টরাইজেশন
একটি উন্নত পদ্ধতি যা স্পষ্টভাবে নয়েজকে ডিস্ট্রিবিউশনের মিশ্রণ হিসাবে মডেল করে (উদাহরণস্বরূপ, নয়েজের জন্য গাউসিয়ান ডিস্ট্রিবিউশন এবং আউটলায়ারগুলির জন্য একটি বিস্তৃত ডিস্ট্রিবিউশন), যা আরও সূক্ষ্ম পৃথকীকরণ এবং আরও স্থিতিশীল ফ্যাক্টরাইজেশন সম্ভব করে।