এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
রিকারেন্ট নিউরাল নেটওয়ার্ক (আরএনএন)
অভ্যন্তরীণ প্রতিক্রিয়া লুপের মাধ্যমে ক্রমিক ডেটা প্রক্রিয়াকরণের জন্য বিশেষভাবে নকশাকৃত স্নায়বিক স্থাপত্য। আরএনএন একটি সময়গত স্মৃতি বজায় রাখে যা গতিশীল সিস্টেমে সময়গত নির্ভরতা ক্যাপচার করতে সক্ষম করে।
বিশৃঙ্খল সিস্টেম
নির্ধারক গতিশীল সিস্টেম যা প্রাথমিক অবস্থার প্রতি চরম সংবেদনশীলতা এবং জটিল অ-পর্যায়ক্রমিক আচরণ প্রদর্শন করে। এই সিস্টেমগুলির দীর্ঘমেয়াদী অপ্রত্যাশিততা ক্যাপচার করতে নির্দিষ্ট পদ্ধতির প্রয়োজন।
অদ্ভুত আকর্ষক
ফেজ স্পেসে ফ্র্যাক্টাল জ্যামিতিক কাঠামো যার দিকে বিশৃঙ্খল সিস্টেমের ট্র্যাজেক্টোরিগুলি একত্রিত হয়। তারা একটি জটিল গতিশীল সিস্টেমের সম্ভাব্য সীমাবদ্ধ অবস্থার সেট উপস্থাপন করে।
অটোরিগ্রেসিভ মডেল
মডেলের একটি শ্রেণি যেখানে একটি সময় সিরিজের বর্তমান মান পূর্ববর্তী ওজনযুক্ত মান থেকে পূর্বাভাস দেওয়া হয়। তারা সময়গত মডেলিংয়ে পূর্বাভাসের অনেক পদ্ধতির ভিত্তি গঠন করে।
ফেজ স্পেস
গাণিতিক বহুমাত্রিক স্থান যেখানে প্রতিটি বিন্দু গতিশীল সিস্টেমের একটি সম্পূর্ণ অবস্থা উপস্থাপন করে। এই স্থানে ট্র্যাজেক্টোরিগুলির বিশ্লেষণ সিস্টেমের সামগ্রিক আচরণ এবং গুণগত বৈশিষ্ট্য বোঝার অনুমতি দেয়।
বাইফারকেশন
নিয়ন্ত্রণ পরামিতি পরিবর্তিত হলে গতিশীল সিস্টেমের আচরণে গুণগত পরিবর্তন। তারা বিভিন্ন গতিশীল শাসনের মধ্যে রূপান্তর চিহ্নিত করে এবং সিস্টেমের স্থিতিশীলতা বোঝার জন্য গুরুত্বপূর্ণ।
এনসেম্বল পদ্ধতি
পূর্বাভাসে অনিশ্চয়তা পরিমাপের জন্য মডেলের একাধিক বাস্তবায়ন ব্যবহার করে সম্ভাব্যতামূলক পদ্ধতি। তারা অ-রৈখিক সিস্টেমের জন্য বিশেষভাবে উপযোগী যেখানে অনিশ্চয়তার বিস্তার জটিল।
ডেটা অ্যাসিমিলেশন
পূর্বাভাস উন্নত করার জন্য গতিশীল মডেলগুলিতে পর্যবেক্ষণগুলির সর্বোত্তম একীকরণের প্রক্রিয়া। এটি তাদের অনিশ্চয়তা বিবেচনা করার সময় মডেল এবং পরিমাপ উভয়ের তথ্য একত্রিত করে।
Réseaux neuronaux de physique informée
Architecture d'IA intégrant des contraintes physiques directement dans la fonction de perte du réseau. Elles permettent d'apprendre des modèles respectant les lois de conservation et les principes physiques fondamentaux.
Méthodes de collocation
Techniques numériques imposant que les équations différentielles soient satisfaites en des points spécifiques du domaine. Elles sont efficaces pour l'entraînement de réseaux de neurones résolvant des problèmes aux limites.
Systèmes hamiltoniens
Classe de systèmes dynamiques conservant l'énergie et décrits par les équations de Hamilton. Leur structure mathématique spécifique impose des contraintes importantes pour la modélisation et la simulation numérique.
Transformée de Fourier rapide
Algorithme efficace pour calculer la transformée discrète de Fourier des signaux temporels. Elle permet d'analyser le contenu fréquentiel des systèmes dynamiques et d'identifier les oscillations caractéristiques.
Méthodes de Monte Carlo par chaînes de Markov
Techniques d'échantillonnage pour explorer l'espace des états de systèmes dynamiques complexes. Elles sont particulièrement adaptées à l'inférence bayésienne dans les modèles hautement non-linéaires.