এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
ডাইনামিক পুনঃপরিকল্পনা
একটি অ্যালগরিদমিক প্রক্রিয়া যা চলমান গতিপথ বা কর্মপরিকল্পনাকে অপ্রত্যাশিত পরিস্থিতির সাথে খাপ খাওয়ানোর জন্য পরিবর্তন করে, পরিকল্পনা ব্যবস্থার সম্পূর্ণ পুনঃসূচনা ছাড়াই।
অনলাইন অনুসন্ধান বৃক্ষ (Online Search Tree)
একটি ডেটা স্ট্রাকচার যা ক্রমবর্ধমানভাবে অন্বেষণ করা হয়, যেখানে নোড এবং শাখাগুলি অনুভূত তথ্যের ভিত্তিতে তাৎক্ষণিকভাবে তৈরি হয়, যা সম্পূর্ণ পরিবেশ সম্পর্কে জ্ঞান ছাড়াই সিদ্ধান্ত গ্রহণের সুযোগ দেয়।
স্লাইডিং হরাইজন (Sliding Horizon)
একটি পরিকল্পনা কৌশল যেখানে একটি সীমিত সময়ের জানালার উপর অপ্টিমাইজেশন করা হয়, যা প্রতিটি সময় ধাপে এগিয়ে যায়, ফলে মধ্যমেয়াদী দৃষ্টিভঙ্গি বজায় রেখে প্রতিক্রিয়াশীলতা নিশ্চিত হয়।
রিয়েল-টাইম ব্যাকপ্রোপাগেশন (Real-Time Backpropagation)
একটি নিউরাল নেটওয়ার্কের ওজন ক্রমাগত সমন্বয় করার প্রক্রিয়া যা কাজ সম্পাদনের সময় সম্পন্ন হয়, ফলে মডেলটি আগত ডেটা প্রবাহের সাথে তার পূর্বাভাস খাপ খাওয়াতে পারে।
এক্সটেন্ডেড কালম্যান ফিল্টার (Extended Kalman Filter)
একটি পুনরাবৃত্তিমূলক অনুমান অ্যালগরিদম যা বর্তমান অবস্থার চারপাশে অরৈখিক সমীকরণগুলোকে রৈখিকীকরণ করে, শব্দ এবং অনিশ্চয়তার উপস্থিতিতে একটি চলমান সিস্টেমের অবস্থান ও গতিপথ অনুমান করে।
নমুনা-ভিত্তিক পরিকল্পনা (Sampling-Based Planning)
RRT* এর মতো অ্যালগরিদমের একটি পরিবার যা অবস্থার স্থানের এলোমেলো নমুনা সংগ্রহের মাধ্যমে কার্যকর গতিপথের একটি গ্রাফ তৈরি করে, উচ্চ মাত্রার স্থানের জন্য দ্রুত এবং সম্ভাব্যতামূলক সম্পূর্ণ সমাধান প্রদান করে।
প্রতিক্রিয়াশীল মেটাহিউরিস্টিক (Reactive Metaheuristic)
একটি অপ্টিমাইজেশন কৌশল যা তার নিজস্ব প্যারামিটারগুলো (যেমন স্থানীয় অনুসন্ধানের তীব্রতা বা বৈচিত্র্যকরণ) কার্যকর সময়ে পর্যবেক্ষিত কর্মক্ষমতার ভিত্তিতে গতিশীলভাবে সমন্বয় করে।
রিয়েল-টাইম দখল ম্যাপিং (Real-Time Occupancy Mapping)
একটি প্রক্রিয়া যা প্রতিটি কক্ষের বাধা দ্বারা দখল হওয়ার সম্ভাবনা প্রতিনিধিত্বকারী একটি গ্রিড ক্রমাগত নির্মাণ ও হালনাগাদ করে, যা নিরাপদ গতিপথ পরিকল্পনার ভিত্তি হিসেবে কাজ করে।
অনলাইন মার্কভ সিদ্ধান্ত প্রক্রিয়া (Online Markov Decision Process)
একটি মার্কভ সিদ্ধান্ত প্রক্রিয়ার সমাধান যেখানে এজেন্ট পরিবেশের সাথে মিথস্ক্রিয়া করার সময় অবস্থা এবং রূপান্তরগুলি আবিষ্কার ও মূল্যায়ন করা হয়, যা অভিযোজিত নীতির প্রয়োজন হয়।
বন্ধ লুপ পূর্বাভাস নিয়ন্ত্রণ (Model Predictive Control)
একটি নিয়ন্ত্রণ পদ্ধতি যা প্রতিটি মুহূর্তে ভবিষ্যতের একটি নির্দিষ্ট সময়সীমার উপর একটি অপ্টিমাইজেশন সমস্যা সমাধান করে সেরা কমান্ড নির্ধারণ করে, তারপর নতুন পরিমাপ অন্তর্ভুক্ত করে এই প্রক্রিয়া পুনরাবৃত্তি করে।
স্ট্রিমিং অসঙ্গতি সনাক্তকরণ (Streaming Anomaly Detection)
একটি অ্যালগরিদম যা অবিচ্ছিন্ন ডেটা প্রবাহ বিশ্লেষণ করে অস্বাভাবিক নিদর্শন বা পয়েন্ট সনাক্ত করে যা প্রত্যাশিত আচরণ থেকে উল্লেখযোগ্যভাবে বিচ্যুত হয়, ফলে ট্র্যাজেক্টরি পুনঃপরিকল্পনা শুরু হয়।
প্রতিক্রিয়াশীল সময়সূচী (Reactive Scheduling)
একটি শৃঙ্খলা যা কাজ বা সম্পদের সময়সূচীকে বিঘ্ন (ত্রুটি, বিলম্ব, নতুন আদেশ) এর প্রতিক্রিয়ায় সমন্বয় করে, সামগ্রিক লক্ষ্যগুলির উপর প্রভাব কমানোর চেষ্টা করে।
ক্রমাগত শক্তিবৃদ্ধি শিখন (Continual Reinforcement Learning)
একটি দৃষ্টান্ত যেখানে একজন এজেন্ট নেভিগেশন বা নিয়ন্ত্রণের নীতি শেখে এবং শেখার প্রক্রিয়া কখনো বন্ধ করে না, যা তাকে পরিবর্তনশীল গতিশীলতার পরিবেশে খাপ খাইয়ে নিতে দেয়।
রিয়েল-টাইম কম্পিউটেশনাল জ্যামিতি (Real-Time Computational Geometry)
দ্রুত জ্যামিতিক বৈশিষ্ট্য (ছেদ, উত্তল আবরণ, ভোরোনই ডায়াগ্রাম) গণনার জন্য অ্যালগরিদমের সমষ্টি, যা সংঘর্ষ সনাক্তকরণ এবং কার্যকর পথ তৈরির জন্য অপরিহার্য।
মাল্টি-মোডাল সেন্সর ফিউশন (Multi-Modal Sensor Fusion)
একটি কৌশল যা বিভিন্ন ধরনের সেন্সর (LiDAR, ক্যামেরা, রাডার) থেকে প্রাপ্ত ডেটা রিয়েল-টাইমে একত্রিত ও সম্পর্কযুক্ত করে একটি শক্তিশালী এবং রিডান্ড্যান্ট পরিবেশগত উপলব্ধি গঠন করে, যা পরিকল্পনাকে সমর্থন করে।
অনলাইন স্টোকাস্টিক অপ্টিমাইজেশন (Online Stochastic Optimization)
অপ্টিমাইজেশনের একটি শাখা যা এমন সমস্যাগুলি নিয়ে কাজ করে যেখানে কিছু ডেটা অজানা বা অনিশ্চিত এবং ক্রমান্বয়ে প্রকাশিত হয়, যা সম্ভাব্য ভবিষ্যত বিতরণের পূর্বাভাস দিয়ে সিদ্ধান্ত নেওয়ার দাবি রাখে।
গতিশীল সীমাবদ্ধতা ব্যবস্থাপনা (Dynamic Constraint Handling)
একটি প্রক্রিয়া যা একটি অপ্টিমাইজেশন সমাধানকারীকে অনুসন্ধানের সময় সীমাবদ্ধতা যোগ, পরিবর্তন বা অপসারণের সুযোগ দেয়, যাতে পরিবর্তনশীল পরিবেশের মুখেও সমাধানগুলি সম্ভাব্য থাকে।