এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
RMSprop
একটি অভিযোজিত অপ্টিমাইজেশন কৌশল যা সাম্প্রতিক গ্রেডিয়েন্টগুলির বর্গের সূচকীয় চলমান গড় দ্বারা শিক্ষার হারকে ভাগ করে, যাতে বৃহৎ মাত্রার গ্রেডিয়েন্টগুলি পরিচালনা করা যায়।
Adagrad
একটি অভিযোজিত অপ্টিমাইজেশন অ্যালগরিদম যা ঐতিহাসিক গ্রেডিয়েন্টগুলির বর্গ সংগ্রহ করে প্রতিটি প্যারামিটারের শিক্ষার হারকে সামঞ্জস্য করে, কম ঘন ঘন প্যারামিটারগুলিকে অগ্রাধিকার দেয়।
Adadelta
Adagrad-এর একটি সম্প্রসারণ যা সূচকীয় চলমান গড়ের মাধ্যমে অতীত গ্রেডিয়েন্টগুলির উইন্ডোকে একটি নির্দিষ্ট আকারে সীমাবদ্ধ করে শিক্ষার হারের তীব্র হ্রাসের সমস্যা সমাধান করে।
Adamax
Adam-এর একটি বৈকল্পিক যা L2 নর্মের পরিবর্তে অসীম নর্মের উপর ভিত্তি করে, কিছু পরিস্থিতিতে সংখ্যাগতভাবে অধিক স্থিতিশীলতা এবং দৃঢ় অভিসৃতি প্রদান করে।
Nadam
Nesterov ত্বরিত গ্রেডিয়েন্ট এবং Adam-এর সংমিশ্রণ যা দ্রুত এবং স্থিতিশীল অভিসৃতির জন্য Adam-এর অভিযোজিত কাঠামোর মধ্যে Nesterov-এর ত্বরণকে সংযুক্ত করে।
AMSGrad
Adam-এর একটি পরিবর্তন যা তাত্ত্বিক অভিসৃতি নিশ্চিত করে, Adam-এর সম্ভাব্য অপসারণ এড়ানোর জন্য বর্গযুক্ত সূচকীয় চলমান গড়গুলির সর্বোচ্চ মান সংরক্ষণ করে।
AdamW
Adam-এর একটি বৈকল্পিক যা ওয়েট ডিকে (ওজন হ্রাস) অভিযোজিত আপডেট থেকে বিচ্ছিন্ন করে, গ্রেডিয়েন্টের পরিবর্তে সরাসরি ওজনগুলিতে ওজন হ্রাস প্রয়োগ করে।
SGDW
বিচ্ছিন্ন ওয়েট ডিকে সহ SGD-এর একটি সম্প্রসারণ যা উন্নত নিয়মিতকরণের জন্য গ্রেডিয়েন্ট আপডেট থেকে স্বাধীনভাবে ওজন হ্রাস প্রয়োগ করে।
RAdam
Rectified Adam যা অভিযোজিত সংশোধন প্রক্রিয়া প্রবর্তন করে প্রাথমিক প্রশিক্ষণ পর্যায়ে বড় ভ্যারিয়েন্সের সমস্যা সমাধান করে।
YellowFin
অপ্টিমাইজার যা দ্বিতীয়-ক্রম পদ্ধতির স্থানীয় অভিসরণের তাত্ত্বিক বিশ্লেষণ ব্যবহার করে স্বয়ংক্রিয়ভাবে শিক্ষার হার এবং মোমেন্টাম সহগ সামঞ্জস্য করে।
LARS
লেয়ার-ওয়াইজ অ্যাডাপ্টিভ রেট স্কেলিং যা বৃহৎ-স্কেল প্রশিক্ষণের জন্য ওজন এবং গ্রেডিয়েন্টের L2 নর্মের অনুপাতের ভিত্তিতে প্রতি স্তরে শিক্ষার হার সামঞ্জস্য করে।
LAMB
লেয়ার-ওয়াইজ অ্যাডাপ্টিভ মোমেন্টস অপ্টিমাইজার ফর ব্যাচ ট্রেনিং যা বিশাল মডেলের দক্ষ প্রশিক্ষণের জন্য Adam-ধরনের অভিযোজিত পরিসংখ্যান সংহত করে LARS কে প্রসারিত করে।
Rprop
Resilient Backpropagation যা গ্রেডিয়েন্টের মাত্রা উপেক্ষা করে এবং শুধুমাত্র তার চিহ্ন বিবেচনা করে শক্তিশালী আপডেটের জন্য প্রতি প্যারামিটারে শিক্ষার হার সামঞ্জস্য করে।
QHAdam
Quasi-Hyperbolic Adam যা মুহুর্তগুলোর অবদানের সূক্ষ্ম নিয়ন্ত্রণের জন্য কোয়াসি-হাইপারবোলিক প্যারামিটার প্রবর্তন করে Adam এবং Momentum কে সাধারণীকরণ করে।