এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
FedAvg (ফেডারেটেড অ্যাভারেজিং)
ফেডারেটেড লার্নিংয়ে মৌলিক অ্যাগ্রিগেশন অ্যালগরিদম যা গ্লোবাল মডেল তৈরি করতে ক্লায়েন্ট ডেটাসেটের আকারের ভিত্তিতে স্থানীয় মডেল ওয়েটের ওয়েটেড গড় গণনা করে।
FedProx (ফেডারেটেড প্রোক্সিমাল)
FedAvg-এর এক্সটেনশন যা স্থানীয় আপডেটগুলিকে গ্লোবাল মডেলের কাছাকাছি রাখতে একটি প্রোক্সিমাল রেগুলারাইজেশন টার্ম যোগ করে, ফলে ক্লায়েন্ট হেটেরোজেনিটিকে হ্রাস করে।
SCAFFOLD (স্টোকাস্টিক কন্ট্রোলড অ্যাভারেজিং)
একটি উন্নত অ্যাগ্রিগেশন অ্যালগরিদম যা ক্লায়েন্ট-সার্ভার ড্রিফট বায়াস সংশোধন করতে এবং ডেটা হেটেরোজেনিটির প্রভাব কমাতে কন্ট্রোল ভেরিয়েবল ব্যবহার করে।
FedBN (ফেডারেটেড ব্যাচ নরমালাইজেশন)
একটি অ্যাগ্রিগেশন পদ্ধতি যা প্রতিটি ক্লায়েন্টের জন্য স্থানীয় ব্যাচ নরমালাইজেশন পরিসংখ্যান বজায় রাখে যখন মডেলের অন্যান্য প্যারামিটার শেয়ার করে।
FedOpt (ফেডারেটেড অপ্টিমাইজেশন)
অ্যালগরিদমের একটি পরিবার যা নন-আইআইডি ফেডারেটেড লার্নিং সিনারিওতে কনভারজেন্স উন্নত করতে উন্নত সার্ভার অপ্টিমাইজার (Adam, Yogi) ব্যবহার করে।
FedMA (ফেডারেটেড ম্যাচিং অ্যাভারেজিং)
একটি নিউরাল অ্যাগ্রিগেশন অ্যালগরিদম যা ওয়েট সরাসরি অ্যাগ্রিগেট করার পরিবর্তে স্থানীয় মডেলগুলির মধ্যে অনুরূপ নিউরন ম্যাচ করে এবং গড় করে।
FedNova (ফেডারেটেড নরমালাইজড অ্যাভারেজিং)
একটি পদ্ধতি যা হেটেরোজেনিয়াস এনভায়রনমেন্টে অ্যাগ্রিগেশন বায়াস সংশোধন করতে স্থানীয় অপ্টিমাইজেশন স্টেপের সংখ্যা দ্বারা স্থানীয় আপডেটগুলিকে নরমালাইজ করে।
FedYogi
ফেডারেটেড লার্নিংয়ের জন্য একটি অ্যাডাপ্টিভ অপ্টিমাইজার যা নন-আইআইডি ডেটা ডিস্ট্রিবিউশনে আরও ভাল অভিযোজনের জন্য FedAvg-কে Yogi অ্যালগরিদমের সাথে একত্রিত করে।
ফেডএডাম
ফেডএভিজির একটি বৈকল্পিক যা সার্ভার সাইডে অ্যাডাম অপ্টিমাইজার সংযুক্ত করে গতিশীলভাবে লার্নিং রেট পরিচালনা এবং কনভার্জেন্স উন্নত করার জন্য।
ফেডপার (ফেডারেটেড পার্সোনালাইজেশন)
মডেলটিকে গ্লোবাল বেস এবং লোকাল পার্সোনালাইজেশন লেয়ারে বিভক্ত করার আর্কিটেকচার, প্রতিটি ক্লায়েন্টের জন্য নির্দিষ্ট অভিযোজন সম্ভব করে।
ফেডরেপ (ফেডারেটেড রিপ্রেজেন্টেশন লার্নিং)
রিপ্রেজেন্টেশন লার্নিং (গ্লোবাল) এবং ক্লাসিফায়ার (লোকাল) আলাদা করার পদ্ধতি, হেটেরোজেনিয়াস ডেটাতে পারফরম্যান্স অপ্টিমাইজ করার জন্য।
ফেডকার্ভ (ফেডারেটেড কার্ভেচার)
ফিশার কার্ভেচার তথ্য সংযুক্ত করার অ্যালগরিদম, উচ্চ ক্লায়েন্ট হেটেরোজেনিটির পরিস্থিতিতে অ্যাগ্রিগেশন উন্নত করার জন্য।
ফেডএসজিডি (ফেডারেটেড স্টোকাস্টিক গ্রেডিয়েন্ট ডিসেন্ট)
বেসিক বৈকল্পিক যেখানে ক্লায়েন্টরা অ্যাগ্রিগেশনের আগে শুধুমাত্র একটি গ্রেডিয়েন্ট পাস সম্পন্ন করে, লোকাল কম্পিউটেশন কমায় কিন্তু কমিউনিকেশন বাড়ায়।
ফেডডিস্ট (ফেডারেটেড ডিস্টিলেশন)
নলেজ ডিস্টিলেশন ভিত্তিক অ্যাগ্রিগেশন পদ্ধতি যেখানে ক্লায়েন্টরা মডেল ওয়েটের পরিবর্তে তাদের সফটম্যাক্স আউটপুট শেয়ার করে।
ফেডঅ্যাডাগ্রাড
ফেডএভিজি এবং সার্ভার সাইড অ্যাডাগ্রাড অপ্টিমাইজারের সংমিশ্রণ, গ্রেডিয়েন্টের ইতিহাস অনুযায়ী লার্নিং রেট অভিযোজনের জন্য।
ফেডবিএন+ (ফেডারেটেড ব্যাচ নরমালাইজেশন প্লাস)
ফেডবিএনের উন্নত এক্সটেনশন যা হাইব্রিড লোকাল এবং গ্লোবাল নরমালাইজেশন স্ট্যাটিস্টিক্স ব্যবহার করে জেনারালাইজেশন এবং পার্সোনালাইজেশন ভারসাম্য বজায় রাখে।
FedMLD (ফেডারেটেড মাল্টি-লেয়ার ডিস্টিলেশন)
বিষম ক্লায়েন্টদের মধ্যে দক্ষতার সাথে জ্ঞান স্থানান্তরের জন্য মডেলের একাধিক স্তরে প্রয়োগ করা ডিস্টিলেশন কৌশল।
FedAMP (ফেডারেটেড অ্যাডাপ্টিভ মাল্টি-প্রক্সি)
এগ্রিগেশনের সময় ক্লায়েন্ট ডেটা ডিস্ট্রিবিউশনের বিভিন্নতা উপস্থাপনের জন্য অ্যাডাপ্টিভ মাল্টি-প্রক্সি ব্যবহার করে পদ্ধতি।
FedRL (ফেডারেটেড রিইনফোর্সমেন্ট লার্নিং)
ডিস্ট্রিবিউটেড রিইনফোর্সমেন্ট লার্নিং মডেলের জন্য নির্দিষ্ট এগ্রিগেশন প্যারাডাইম যা সর্বোত্তম লোকাল পলিসিগুলোকে একত্রিত করে।
FedCV (ফেডারেটেড কম্পিউটার ভিশন)
ডিস্ট্রিবিউটেড ইমেজ ডেটা প্রসেসিংয়ের জন্য বিশেষায়িত এগ্রিগেশন অ্যালগরিদমের সেট যা কম্পিউটার ভিশন মডেলের জন্য ডিজাইন করা।