এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
নিউরাল নেটওয়ার্কের শক্তি
নেটওয়ার্কের একটি কনফিগারেশনের গুণমান পরিমাপকারী স্কেলার ফাংশন, যার ন্যূনতমকরণ অপ্টিমাইজেশন সমস্যার সমাধানের সাথে সঙ্গতিপূর্ণ। এটি অভিসৃতি নির্দেশিত করতে সিন্যাপটিক ওজন এবং নিউরনের অবস্থাগুলিকে একত্রিত করে।
ভ্রমণ বিক্রয়কের সমস্যা
কম্বিনেটোরিয়াল অপ্টিমাইজেশনের একটি ক্লাসিক সমস্যা যা প্রতিটি শহর ঠিক একবার পরিদর্শন করে সবচেয়ে ছোট পথ খুঁজে বের করতে হয়। হপফিল্ড নেটওয়ার্কগুলি তাদের শক্তি কাঠামোতে এই সমস্যাটি এনকোড করতে পারে।
স্থিতিশীল অবস্থা
নিউরাল নেটওয়ার্কের কনফিগারেশন যেখানে আর কোনো আপডেট সম্ভব নয় এবং শক্তি স্থানীয়ভাবে ন্যূনতম। এই অবস্থাগুলি চিকিত্সিত অপ্টিমাইজেশন সমস্যার গ্রহণযোগ্য সমাধানের সাথে সঙ্গতিপূর্ণ।
খরচ ফাংশন
একটি অপ্টিমাইজেশন সমস্যার সম্ভাব্য সমাধানের গুণমান পরিমাপকারী গাণিতিক অভিব্যক্তি। নিউরাল নেটওয়ার্কগুলিতে, এটি সিস্টেমের শক্তি ফাংশনের সাথে সরাসরি সম্পর্কিত।
বাইনারি ইউনিট
অপ্টিমাইজেশন নেটওয়ার্কগুলিতে শুধুমাত্র 0 বা 1 (বা -1/+1) মান নেওয়া নিউরন। তাদের বিচ্ছিন্ন অবস্থা বাইনারি সিদ্ধান্ত ভেরিয়েবল সহ কম্বিনেটোরিয়াল সমস্যা মডেল করতে দেয়।
ওজন ম্যাট্রিক্স
নেটওয়ার্কের সমস্ত জোড়া নিউরনের মধ্যে সংযোগের শক্তি ধারণকারী বর্গাকার কাঠামো। এটি নেটওয়ার্কের টপোলজিতে অপ্টিমাইজেশন সমস্যার সীমাবদ্ধতা এবং উদ্দেশ্যগুলি এনকোড করে।
নেটওয়ার্কের অভিসৃতি
যে প্রক্রিয়ার মাধ্যমে একটি নিউরাল নেটওয়ার্ক গতিশীলভাবে একটি স্থিতিশীল অবস্থার দিকে বিকশিত হয় যা তার শক্তি হ্রাস করে। অভিসৃতির গতি এবং গ্যারান্টি নেটওয়ার্কের আর্কিটেকচার এবং প্যারামিটারগুলির উপর নির্ভর করে।
নিউরাল পক্ষপাত
একটি নিউরনের সক্রিয়করণ থ্রেশহোল্ড সামঞ্জস্য করতে তার ওজনযুক্ত ইনপুটে যোগ করা ধ্রুবক শব্দ। অপ্টিমাইজেশন নেটওয়ার্কগুলিতে, এটি স্বতন্ত্র সীমাবদ্ধতা বা সিদ্ধান্তের পছন্দগুলিকে প্রতিনিধিত্ব করে।
ভেক্টর অবস্থা
একটি নির্দিষ্ট মুহূর্তে স্নায়বিক সক্রিয়তার সম্পূর্ণ কনফিগারেশনের ভেক্টর উপস্থাপনা। প্রতিটি উপাদান নেটওয়ার্কের একটি নিউরনের বাইনারি অবস্থার সাথে মিলে যায়।