এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
মডেল হ্রাসকরণ
জটিল মডেলগুলিকে সরলীকরণের লক্ষ্যে গাণিতিক ও গণনামূলক কৌশলগুলির একটি সেট, যা নির্দিষ্ট শর্তাবলীর অধীনে তাদের মূল আচরণ এবং পূর্বাভাসের নির্ভুলতা বজায় রাখে।
অর্থোগোনাল সঠিক অপসারণ
একটি মাত্রিকতা হ্রাসকরণ পদ্ধতি যা পরীক্ষামূলক বা সিমুলেটেড ডেটা থেকে একটি গতিশীল সিস্টেমের প্রধান মোডগুলি বের করে, শক্তির দিক থেকে একটি সর্বোত্তম ভিত্তি তৈরি করার জন্য।
হ্রাসকৃত ভিত্তি
সম্পূর্ণ মডেলের প্রতিনিধিত্বমূলক সমাধানগুলি থেকে উৎপন্ন একটি নিম্ন-মাত্রিক ভেক্টর সাবস্পেস, যা নতুন প্যারামিটারের জন্য সমাধানগুলির একটি কার্যকর অনুমান প্রদান করে।
নিম্ন র্যাঙ্কের অনুমান
বৃহৎ মাত্রার টেনসর বা ম্যাট্রিক্সগুলিকে কয়েকটি মৌলিক উপাদানের একটি রৈখিক সংমিশ্রণ দ্বারা উপস্থাপন করার একটি কৌশল, যা গণনামূলক জটিলতা হ্রাস করে।
অন্তঃস্থ ম্যানিফোল্ড পদ্ধতি
একটি সিস্টেমের গতিবিদ্যাকে সম্পূর্ণ স্টেট স্পেসে নিমজ্জিত একটি নিম্ন-মাত্রিক ডিফারেনশিয়াল ম্যানিফোল্ডে বিবর্তিত হওয়ার মতো মডেল করার অ-রৈখিক মডেল হ্রাসকরণের পদ্ধতিগুলি।
ভেরিয়েশনাল অটো-এনকোডার
একটি জেনারেটিভ নিউরাল নেটওয়ার্ক আর্কিটেকচার যা জটিল ফিজিক্যাল ডেটার একটি সম্ভাব্য লেটেন্ট উপস্থাপনা শেখে, কার্যকর সংকোচন এবং পুনর্গঠনের জন্য।
গ্যালারকিন প্রজেকশন
একটি পদ্ধতি যা একটি টেস্ট সাবস্পেসের সাপেক্ষে অবশিষ্টাংশের অর্থোগোনালিটি নিশ্চিত করে, যা হ্রাসকৃত মডেলগুলির সংরক্ষণশীলতা এবং স্থিতিশীলতার বৈশিষ্ট্যগুলি সংরক্ষণ করার জন্য অপরিহার্য।
ডায়নামিক মোড ডিকম্পোজিশন
একটি স্পেশিও-টেম্পোরাল ডিকম্পোজিশন কৌশল যা প্রধান দোদুল্যমান মোডগুলি এবং তাদের বৃদ্ধি/ক্ষয়ের হার সনাক্ত করে, বিশেষ করে অস্থিতিশীল সিস্টেমের জন্য অত্যন্ত কার্যকর।
Méthodes de Passivation
Stratégies préservant les propriétés de passivité lors de la réduction, garantissant la stabilité des modèles couplés et évitant les artefacts numériques non-physiques.
POD-Galerkin Hybride
Combination de la décomposition propre orthogonale avec la projection de Galerkin pour construire des modèles réduits optimisés exploitant à la fois les données et la structure des équations.
Réseaux Physiquement Informés
Architectures neurales intégrant les lois de conservation et équations gouvernantes comme contraintes d'apprentissage pour garantir le respect des principes physiques fondamentaux.
Sous-espaces de Krylov
Méthodes itératives construisant des bases réduites à partir de séquences de vecteurs générées par application répétée de l'opérateur système, optimales pour les problèmes algébriques.
Réduction Paramétrique
Génération de modèles réduits valides sur tout un espace de paramètres géométriques, physiques ou de conditions initiales, permettant des explorations rapides en conception et optimisation.
Cartes Auto-Organisatrices
Réseaux de neurones non-supervisés créant une topologie discrète de faible dimension préservant les relations de voisinage entre états du système pour une réduction non-linéaire.
Apprentissage par Renforcement pour la Réduction
Approche optimale où un agent apprend à sélectionner dynamiquement les stratégies de réduction les plus appropriées selon l'état courant du système et les objectifs computationnels.
Méthode de Proper Generalized Decomposition
Technique de séparation de variables approximant la solution multidimensionnelle par produits de fonctions unidimensionnelles, réduisant exponentiellement la complexité pour problèmes haute dimension.
এম্পিরিকাল ইন্টারপোলেশন পদ্ধতি
অপ্টিমাইজড পয়েন্টে নির্বাচনী ইন্টারপোলেশনের মাধ্যমে হ্রাসকৃত মডেলগুলিতে অ-রৈখিক পদগুলির কার্যকর মূল্যায়নের জন্য একটি কৌশল, যা মূল অপারেটরগুলির কাঠামো সংরক্ষণ করে।