এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
ভ্যানিলা গ্রেডিয়েন্ট
মৌলিক পদ্ধতি যা স্যালিয়েন্স ম্যাপ তৈরি করতে ইনপুটের সাপেক্ষে আউটপুটের গ্রেডিয়েন্ট গণনা করে। যদিও সরল, এটি প্রায়শই গভীর নেটওয়ার্কে গ্রেডিয়েন্টের শোরগোল এবং স্যাচুরেশনে ভোগে।
গ্রেড-ক্যাম++
গ্রেড-ক্যামের উন্নত এক্সটেনশন যা পিক্সেলের প্রাসঙ্গিকতা আরও ভালভাবে ক্যাপচার করতে উচ্চ-ক্রমের ওয়েটেড গ্রেডিয়েন্ট ব্যবহার করে। এটি একটি ইমেজে একাধিক বস্তুর জন্য বিশেষভাবে আরও সঠিক লোকালাইজেশন তৈরি করে।
ইনপুট পার্টারবেশন
ব্যাখ্যামূলক পদ্ধতি যা ইনপুটের পরিবর্তনের পর আউটপুটের পরিবর্তন পর্যবেক্ষণ করে বৈশিষ্ট্যের গুরুত্ব মূল্যায়ন করে। আরও কার্যকর বিশ্লেষণের জন্য গ্রেডিয়েন্ট এই পরিবর্তনগুলিকে নির্দেশনা দিতে পারে।
টেলর ডিকম্পোজিশন
টেলর সিরিজ ডিকম্পোজিশন ব্যবহার করে গাণিতিক পদ্ধতি যা মডেলের আউটপুটে প্রতিটি বৈশিষ্ট্যের অবদান আনুমানিক করে। এটি গ্রেডিয়েন্ট-ভিত্তিক অ্যাট্রিবিউশন পদ্ধতির জন্য শক্ত তাত্ত্বিক justification প্রদান করে।
গ্রেডিয়েন্ট ফ্লো ভিজুয়ালাইজেশন
প্রযুক্তি যা নেটওয়ার্কের স্তরগুলির মাধ্যমে গ্রেডিয়েন্টের প্রবাহ ট্রেস করে বোঝার জন্য কিভাবে তথ্য প্রচারিত হয়। এটি গভীর আর্কিটেকচারে ভ্যানিশিং বা এক্সপ্লোডিং গ্রেডিয়েন্টের মতো সমস্যা চিহ্নিত করতে সাহায্য করে।
কনট্রাস্টিভ এক্সপ্লানেশন
পদ্ধতি যা গ্রেডিয়েন্ট ব্যবহার করে শুধুমাত্র প্রাসঙ্গিক বৈশিষ্ট্যগুলি (প্রাসঙ্গিক তথ্য) চিহ্নিত করে না বরং সেই বৈশিষ্ট্যগুলিও চিহ্নিত করে যা উপস্থিত থাকা উচিত ছিল (ন্যূনতম পরিবর্তন)। এটি মডেলের সিদ্ধান্তের কারণগুলির একটি আরও সম্পূর্ণ দৃষ্টিভঙ্গি প্রদান করে।