এআই গ্লসারি

📖

শব্দ

কনটেক্সচুয়াল ব্যান্ডিটস

ক্লাসিক্যাল ব্যান্ডিটসের একটি এক্সটেনশন যেখানে সিদ্ধান্তগুলি পর্যবেক্ষণযোগ্য কনটেক্সট বা অবস্থার উপর নির্ভর করে পছন্দগুলিকে ব্যক্তিগতকরণের জন্য।

📖

শব্দ

অপ্টিমাইজেশনে রিগ্রেট

পারফরম্যান্সের একটি পরিমাপ যা প্রাপ্ত ক্রমবর্ধমান লাভ এবং নিখুঁত তথ্য সহ সম্ভাব্য সর্বোত্তম লাভের মধ্যে পার্থক্য পরিমাপ করে।

📖

শব্দ

লিনিয়ার এক্সপ্লোরেশন

এক্সপ্লোরেশনের একটি কৌশল যেখানে সময়ের সাথে সাথে এক্সপ্লোর করার সম্ভাবনা রৈখিকভাবে হ্রাস পায় যাতে ধীরে ধীরে এক্সপ্লয়িটেশনকে প্রাধান্য দেওয়া যায়।

📖

শব্দ

গ্রেডিয়েন্ট ব্যান্ডিট

প্রাপ্ত পুরস্কারের ভিত্তিতে কর্মের পছন্দগুলি সামঞ্জস্য করার জন্য গ্রেডিয়েন্ট অনুমান ব্যবহার করে এমন একটি অ্যালগরিদম।

📖

শব্দ

পিএসি অপ্টিমাইজেশন

সম্ভাব্য আনুমানিকভাবে সঠিক ফ্রেমওয়ার্ক যা 1-δ সম্ভাবনা সহ গ্যারান্টি দেয় যে কিছু সংখ্যক ট্রায়ালের পরে ত্রুটি ε এর চেয়ে কম।