এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
MAML (মডেল-অ্যাগনস্টিক মেটা-লার্নিং)
মেটা-লার্নিং অ্যালগরিদম যা মডেলের প্রাথমিক প্যারামিটার শেখে, গ্রেডিয়েন্ট অপ্টিমাইজেশনের মাধ্যমে কয়েকটি উদাহরণ দিয়ে নতুন কাজে দ্রুত অভিযোজন সক্ষম করে।
মেটা-এলএসটিএম
এলএসটিএম-এর একটি বৈকল্পিক যা নিজের আপডেট প্যারামিটার মেটা-লার্নিং করে, প্রতিটি কাজের নির্দিষ্ট বৈশিষ্ট্যের উপর ভিত্তি করে মডেলের ওজনগুলোর গতিশীল অভিযোজন সক্ষম করে।
SNAIL (সিম্পল নিউরাল অ্যাটেনটিভ লার্নার)
টেম্পোরাল কনভলিউশন এবং অ্যাটেনশন মেকানিজম সমন্বিত হাইব্রিড আর্কিটেকচার যা উদাহরণের সিকোয়েন্স থেকে শিখতে এবং নতুন কাজে দ্রুত অভিযোজিত হতে পারে।
মেটা-এসজিডি
MAML-এর একটি এক্সটেনশন যা শুধুমাত্র প্রাথমিক প্যারামিটার নয়, বরং প্রতিটি প্যারামিটারের জন্য নির্দিষ্ট লার্নিং রেটও শেখে নতুন কাজে আরও নমনীয় অভিযোজনের জন্য।
রেপটাইল
সরলীকৃত মেটা-লার্নিং অ্যালগরিদম যা বর্তমান কাজে কয়েকটি অপ্টিমাইজেশন ধাপের পরে প্রাথমিক ওজন এবং ওজনগুলোর মধ্যে ইন্টারপোলেশন সম্পাদন করে।
TADAM (টাস্ক-ডিপেন্ডেন্ট অ্যাডাপটিভ মেট্রিক)
প্রোটোটাইপিক্যাল নেটওয়ার্কগুলিকে টাস্ক-অওয়্যার অ্যাটেনশন মডিউলের সাথে একত্রিত করে একটি পদ্ধতি যা প্রতিটি কাজের বৈশিষ্ট্যের উপর ভিত্তি করে এম্বেডিং স্পেসকে গতিশীলভাবে অভিযোজিত করে।
LEAP (লার্নিং টু ইভ্যালুয়েট)
একটি মেটা-লার্নিং ফ্রেমওয়ার্ক যা বিভিন্ন কাজে মডেলগুলোর তুলনা করার জন্য একটি মূল্যায়ন ফাংশন শেখে, পৃথক কাজের লসের পরিবর্তে মেটা-জেনারালাইজেশন পারফরম্যান্স সরাসরি অপ্টিমাইজ করে।
L2L (লার্নিং টু লার্ন)
একটি প্যারাডাইম যেখানে একটি মেটা-অপ্টিমাইজার নিউরাল নেটওয়ার্ক অন্য নেটওয়ার্কের প্যারামিটার আপডেট করতে শেখে, প্রতিটি সমস্যার জন্য নির্দিষ্ট অভিযোজিত অপ্টিমাইজেশন অ্যালগরিদম আবিষ্কার করে।
R2D2 (রিকার্সিভ রিওয়ার্ড ডিকম্পোজিশন)
বিভিন্ন কাজ জুড়ে পুনর্ব্যবহারযোগ্য নীতিগুলি শেখার জন্য একটি শ্রেণীবদ্ধ পুরস্কার বিভাজন ব্যবহার করে মেটা-রিইনফোর্সমেন্ট লার্নিং পদ্ধতি।
মেটা-ট্রান্সফার লার্নিং
তথ্যের নতুন বন্টনে দ্রুত অভিযোজন করার ক্ষমতা বজায় রাখার পাশাপাশি স্থানান্তরযোগ্য উপস্থাপনা শেখার জন্য মেটা-লার্নিং এবং ট্রান্সফার লার্নিংকে একত্রিত করার পদ্ধতি।
মেটা-আরএল (মেটা-রিইনফোর্সমেন্ট লার্নিং)
যে ক্ষেত্রে এজেন্ট পরিবেশ জুড়ে নিয়মিততা কাজে লাগিয়ে রিইনফোর্সমেন্টের নতুন কাজগুলির জন্য দ্রুত অভিযোজন নীতি শেখার কৌশল শেখে।