এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
কিফার-উলফোভিট্জ প্রক্রিয়া
রবিন্স-মনরো অ্যালগরিদমের একটি সম্প্রসারণ যা অপ্টিমাইজেশনের জন্য ব্যবহৃত হয়, গ্রেডিয়েন্ট অনুমান করতে এবং একটি ফাংশনের এক্সট্রিমা খুঁজে পেতে নয়যুক্ত সসীম পার্থক্য ব্যবহার করে।
স্টোকাস্টিক নিউটন পদ্ধতি
নিউটন পদ্ধতির একটি স্টোকাস্টিক বৈকল্পিক যেখানে হেসিয়ান ম্যাট্রিক্স নয়যুক্ত পর্যবেক্ষণ থেকে অনুমান করা হয়, যা অপ্টিমামের দিকে অভিসরণ ত্বরান্বিত করে।
স্টোকাস্টিক গ্রেডিয়েন্ট (এসজিডি)
একটি অপ্টিমাইজেশন অ্যালগরিদম যা ডেটার উপসেটগুলিতে গণনা করা গ্রেডিয়েন্টের নয়যুক্ত অনুমান ব্যবহার করে প্যারামিটার আপডেট করে।
অভিযোজিত স্টেপ সাইজ
স্টোকাস্টিক অ্যাপ্রোক্সিমেশন অ্যালগরিদমগুলিতে অভিসরণের গতি এবং স্থিতিশীলতা অপ্টিমাইজ করার জন্য স্টেপ সাইজের গতিশীল সমন্বয়ের কৌশল।
রবিন্স-মনরো শর্ত
স্টেপ সিকোয়েন্সের উপর গাণিতিক শর্ত (অসীম যোগফল কিন্তু বর্গের যোগফল সসীম) যা স্টোকাস্টিক অ্যাপ্রোক্সিমেশন অ্যালগরিদমের অভিসরণ নিশ্চিত করে।
স্টোকাস্টিক অ্যাপ্রোক্সিমেশনে বায়াস এবং ভ্যারিয়েন্স
নন-জিরো স্টেপের কারণে অনুমান বায়াস এবং পর্যবেক্ষণে নয়েজের কারণে ভ্যারিয়েন্সের মধ্যে ট্রেড-অফ বিশ্লেষণ, কর্মক্ষমতা অপ্টিমাইজ করার জন্য।
এসপিএসএ পদ্ধতি
সিমালটেনিয়াস পার্টারবেশন স্টোকাস্টিক অ্যাপ্রোক্সিমেশন, একটি কার্যকর কৌশল যেখানে সমস্ত প্যারামিটার একই সাথে বিরক্ত করে এবং ফাংশনের মাত্র দুটি পরিমাপের মাধ্যমে গ্রেডিয়েন্ট অনুমান করা হয়।
মাপের নয়েজ
অবজেক্টিভ ফাংশনের পর্যবেক্ষণকে প্রভাবিত করা র্যান্ডম ত্রুটি, সাধারণত পরিচিত পরিসংখ্যানগত বৈশিষ্ট্যসহ অ্যাডিটিভ হোয়াইট নয়েজ হিসাবে মডেল করা হয়।
হ্রাসমান শিক্ষার হার
সাধারণত a/(n+b) আকারের একটি হ্রাসমান ধাপের ক্রম, যেখানে n হল পুনরাবৃত্তি সংখ্যা, যা অভিসৃতি নিশ্চিত করার পাশাপাশি একটি কার্যকর শিক্ষার হার বজায় রাখে।
মিনি-ব্যাচ গ্রেডিয়েন্ট
ব্যাচ গ্রেডিয়েন্ট এবং স্টোকাস্টিক গ্রেডিয়েন্টের মধ্যবর্তী একটি প্রকরণ যা গ্রেডিয়েন্ট অনুমানের প্রকরণ কমাতে ছোট ছোট পর্যবেক্ষণের ব্যাচ ব্যবহার করে।
স্টোকাস্টিক আনুমানিকতায় মোমেন্টাম
পূর্ববর্তী গ্রেডিয়েন্টের উপর ভিত্তি করে জড়তা যোগ করে অভিসৃতি ত্বরান্বিত করার একটি কৌশল, যা উচ্চ বক্রতার দিকগুলিতে দোলন হ্রাস করে।
ADAM অ্যালগরিদম
অ্যাডাপ্টিভ মোমেন্ট এস্টিমেশন, একটি অপ্টিমাইজেশন পদ্ধতি যা মোমেন্টাম এবং প্যারামিটার-ভিত্তিক অভিযোজিত শিক্ষার হারকে একত্রিত করে, গভীর শিক্ষায় বিশেষভাবে কার্যকর।
লিপশিটজ শর্ত
লক্ষ্য ফাংশনের নিয়মিততার উপর একটি অনুমান যা গ্রেডিয়েন্টের পরিবর্তনের উপর একটি সীমা নিশ্চিত করে, স্টোকাস্টিক অ্যালগরিদমগুলির অভিসৃতি প্রমাণের জন্য অপরিহার্য।