এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
Un contre un (One-vs-One)
Stratégie de décomposition multi-classe qui entraîne un classifieur binaire SVM pour chaque paire de classes possibles, la classe finale étant déterminée par un vote majoritaire parmi tous les classifieurs.
Un contre tous (One-vs-All)
Approche de classification multi-classe où un classifieur SVM distinct est entraîné pour chaque classe, la distinguant de toutes les autres classes regroupées, la prédiction finale étant basée sur la sortie de décision la plus élevée.
Machines à Vecteurs de Support Structurées (Structured SVM)
Extension des SVM conçue pour gérer des sorties complexes et structurées, comme les arbres ou les séquences, en généralisant le principe de maximisation de la marge à des espaces de sortie de grande dimension.
Perceptron à Marge Maximale (Max-Margin Perceptron)
Algorithme d'apprentissage en ligne qui combine la règle de mise à jour du perceptron avec l'objectif de maximisation de la marge des SVM, s'adaptant efficacement aux problèmes de classification multi-classe.
Crammer et Singer
Formulation directe de la SVM multi-classe qui résout un unique problème d'optimisation pour toutes les classes simultanément, contrairement aux approches de décomposition, en cherchant un hyperplan séparateur par classe.
Erreur de Hinge Multi-classe
Fonction de perte utilisée dans les SVM multi-classes qui pénalise un exemple si le score de la classe correcte n'est pas supérieur d'une certaine marge aux scores de toutes les autres classes incorrectes.
Arbre de Décision SVM (SVM Decision Tree)
Architecture hiérarchique où les nœuds internes sont des classifieurs SVM binaires, partitionnant progressivement l'espace des classes pour atteindre les feuilles qui représentent les classes finales.
Code Correcteur d'Erreurs (Error-Correcting Output Codes - ECOC)
Technologie avancée qui représente les classes avec des codes binaires et entraîne des classifieurs SVM binaires pour chaque position de bit, permettant une classification robuste même en présence de classifieurs défaillants.
DAG-SVM (Directed Acyclic Graph SVM)
এক-বনাম-এক কৌশলের একটি বৈকল্পিক যা বাইনারি শ্রেণিবিন্যাসকারীদের একটি পরিচালিত অ্যাসাইক্লিক গ্রাফে সংগঠিত করে, কিছু ভোট গণনা দূর করে এবং পূর্বাভাসের পর্যায়কে ত্বরান্বিত করে।
Marge Multi-classe
SVM-এর বাইনারি মার্জিনের একটি সাধারণীকরণ ধারণা, যা সঠিক শ্রেণির স্কোর এবং ভুল শ্রেণিগুলির মধ্যে সর্বোচ্চ স্কোরের মধ্যে পার্থক্য হিসাবে সংজ্ঞায়িত করা হয়, এবং এটি একটি অপ্টিমাইজেশনের মানদণ্ড হিসাবে কাজ করে।
Formulation de Weston et Watkins
একটি মাল্টিক্লাস অপ্টিমাইজেশন মডেল যা বাইনারি SVM-কে প্রসারিত করে, সঠিক শ্রেণির তুলনায় প্রতিটি ভুল শ্রেণির জন্য একটি মার্জিন সীমাবদ্ধতা আরোপ করে, যা একটি দ্বিঘাত প্রোগ্রামিং সমস্যার দিকে পরিচালিত করে।
SVM à Sortie Ordinale (Ordinal SVM)
যেসব শ্রেণিকরণ সমস্যায় শ্রেণিগুলির একটি স্বাভাবিক ক্রম রয়েছে, সেগুলির জন্য SVM-এর একটি অভিযোজন, যা মার্জিনগুলিকে সর্বাধিক করার পাশাপাশি এই অর্ডিনাল কাঠামোকে মেনে চলার জন্য হাইপারপ্লেনগুলি খুঁজে বের করে।
Perceptron Multiclasse à Noyau (Multiclass Kernel Perceptron)
একটি অ্যালগরিদম যা মাল্টিক্লাস শ্রেণিকরণের জন্য কার্নেল পারসেপট্রনকে প্রসারিত করে, প্রতিটি শ্রেণির জন্য একটি সেট ওজন বজায় রাখে এবং অ-রৈখিক সিদ্ধান্ত সীমানা পরিচালনা করতে কার্নেল ট্রিক ব্যবহার করে।
Régression Ordinale SVM (Ordinal SVM Regression)
একটি পদ্ধতি যা একটি ক্রমিক শ্রেণিকরণ সমস্যাকে একটি রিগ্রেশন কাজ হিসাবে বিবেচনা করে, যেখানে SVM-গুলি একটি সংখ্যাসূচক মান পূর্বাভাস দিতে ব্যবহৃত হয় যা পরবর্তীতে একটি ক্রমিক শ্রেণি পেতে থ্রেশহোল্ড করা হয়।
SVM Hiérarchique (Hierarchical SVM)
একটি পদ্ধতি যা শ্রেণিগুলির মধ্যে একটি পূর্ববিদ্যমান হায়ারার্কিকাল কাঠামোকে কাজে লাগিয়ে একটি সিরিজ SVM শ্রেণিবিন্যাসকারী তৈরি করে, সমস্যাটিকে সহজ সাব-প্রবলেমে বিভক্ত করে গণনামূলক জটিলতা হ্রাস করে।