এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
VAE-GAN
ভ্যারিয়েশনাল অটোএনকোডার এবং জেনারেটিভ অ্যাডভারসারিয়াল নেটওয়ার্কগুলিকে একত্রিত করে এমন মডেল যেখানে VAE-এর ডিকোডার জেনারেটর হিসেবে কাজ করে এবং একটি অতিরিক্ত ডিসক্রিমিনেটর জেনারেটেড নমুনাগুলির মান মূল্যায়ন করে।
BiGAN
বাইডাইরেকশনাল জেনারেটিভ অ্যাডভারসারিয়াল নেটওয়ার্ক যা একটি জেনারেটর এবং একটি বিপরীত এনকোডারের একইসাথে শেখার অনুমতি দেয়, যেখানে ডিসক্রিমিনেটর (রিয়েল ডেটা, এনকোডিং) জোড়া এবং (জেনারেটেড ডেটা, নয়েজ) জোড়ার মধ্যে পার্থক্য করে।
ALI
অ্যাডভারসারিয়ালি লার্নড ইনফারেন্স, BiGAN-এর অনুরূপ মডেল যেখানে এনকোডার অ্যাডভারসারিয়াল পদ্ধতিতে লেটেন্ট ভেরিয়েবলগুলির উপর একটি পোস্টেরিয়র ডিস্ট্রিবিউশন শেখে, জেনারেটিভ মডেলগুলিতে দক্ষ ইনফারেন্সের অনুমতি দেয়।
স্ট্রাকচার্ড লেটেন্ট স্পেস
অ্যাডভারসারিয়াল অটোএনকোডার দ্বারা শেখা রিপ্রেজেন্টেশন স্পেস যেখানে ডাইমেনশনগুলি আনকোরিলেটেড এবং ইন্টারপ্রেটেবল, সেমান্টিক ম্যানিপুলেশন এবং নমুনাগুলির মধ্যে সামঞ্জস্যপূর্ণ ইন্টারপোলেশন সহজতর করে।
অ্যাডভারসারিয়াল রিকনস্ট্রাকশন
প্রক্রিয়া যেখানে একটি অটোএনকোডারের রিকনস্ট্রাকশনের মান একটি ডিসক্রিমিনেটর দ্বারা মূল্যায়ন করা হয় পিক্সেল-ওয়াইজ লসের পরিবর্তে, আরও বাস্তবসম্মত এবং পারসেপচুয়ালি উন্নত রিকনস্ট্রাকশন নিশ্চিত করে।
অ্যাডভারসারিয়াল ডাইভারজেন্স
অ্যাডভারসারিয়ালি শেখা ডিস্ট্রিবিউশনগুলির মধ্যে ডাইভারজেন্স পরিমাপ, ডেটার আরও জটিল এবং মাল্টিমোডাল স্ট্রাকচার ক্যাপচার করার জন্য VAE-এ ঐতিহ্যগত KL ডাইভারজেন্স প্রতিস্থাপন করে।
অ্যাডভারসারিয়াল রেগুলারাইজেশন
একটি অটোএনকোডারের লেটেন্ট স্পেস রেগুলারাইজ করতে একটি ডিসক্রিমিনেটর ব্যবহার করে এমন টেকনিক, ওভারফিটিং প্রতিরোধ করে এবং নিশ্চিত করে যে রিপ্রেজেন্টেশনগুলি কন্টিনিউটি বা গাউসিয়ান ডিস্ট্রিবিউশনের মতো কাঙ্খিত বৈশিষ্ট্য অনুসরণ করে।
অ্যাডভারসারিয়াল ইনফারেন্স
জেনারেটিভ মডেল শেখার পদ্ধতি যেখানে ইনফারেন্স প্রক্রিয়া (এনকোডিং) জেনারেশনের সাথে অ্যাডভারসারিয়ালি অপ্টিমাইজ করা হয়, রিকনস্ট্রাকশন নির্ভুলতা এবং জেনারেটিভ কোয়ালিটির ভারসাম্য বজায় রাখে।
অ্যাডভারসারিয়াল ডিনোইজিং অটোএনকোডার
ডিনোইজিং অটোএনকোডারের একটি বৈকল্পিক যেখানে একটি অতিরিক্ত ডিসক্রিমিনেটর ডিনোইজিংয়ের মান মূল্যায়ন করে, মডেলটিকে শুধুমাত্র সঠিক নয় বরং বাস্তবসম্মত পুনরুদ্ধারও তৈরি করতে বাধ্য করে।
সাইকেলজিএএন-এই
সাইকেল-কনসিস্টেন্ট GAN এবং অটোএনকোডারের সমন্বয়ে গঠিত আর্কিটেকচার যা মূল ডেটার শব্দার্থিক বিষয়বস্তু এবং ল্যাটেন্ট স্ট্রাকচার উভয়ই সংরক্ষণ করে ইন্টার-ডোমেইন অনুবাদ নিশ্চিত করে।
হ্রাসকৃত মোড কোলাপ্স
হাইব্রিড অটোএনকোডার-GAN মডেলগুলিতে হ্রাসপ্রাপ্ত ঘটনা যেখানে পুনর্গঠনের সীমাবদ্ধতা জেনারেটরকে কয়েকটি মোডে মনোনিবেশ করার পরিবর্তে ডেটা বন্টনের সম্পূর্ণ পরিসর আবরণ করতে বাধ্য করে।
অ্যাডভারসারিয়াল ল্যাটেন্ট নাগেট
একটি অ্যাডভারসারিয়াল অটোএনকোডারের ল্যাটেন্ট স্পেসের ভেক্টর যার পরিবর্তন জেনারেটেড ডেটায় নিয়ন্ত্রিত এবং ব্যাখ্যাযোগ্য পরিবর্তন তৈরি করে, সুনির্দিষ্ট শব্দার্থিক সম্পাদনা সম্ভব করে।
মাল্টি-স্কেল ডিসক্রিমিনেটর
অটোএনকোডার-GAN সিস্টেমে একই সাথে একাধিক রেজোলিউশনে জেনারেশন মূল্যায়নকারী বৈষম্যমূলক আর্কিটেকচার, যা সূক্ষ্ম বিবরণ এবং গ্লোবাল স্ট্রাকচার উভয়ের সামঞ্জস্য নিশ্চিত করে।
অ্যাডভারসারিয়াল কোয়ান্টাইজড অটোএনকোডার
একটি মডেল যেখানে ল্যাটেন্ট কোড ভেক্টর কোয়ান্টাইজেশন দ্বারা বিচ্ছিন্ন করা হয় একটি অ্যাডভারসারিয়াল লার্নিং প্রক্রিয়ার সাথে, উচ্চ গুণগত জেনারেটিভ মান বজায় রাখার সময় দক্ষ সংকুচিত উপস্থাপনা সম্ভব করে।