এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
Bidirectional RNN
Architecture de réseau de neurones récurrents traitant les séquences dans les deux directions temporelles simultanément. Cette structure capture le contexte passé et futur pour chaque point de la séquence.
Forward Pass
Processus de propagation des informations du début vers la fin de la séquence dans un RNN bidirectionnel. Calcule les états cachés en analysant le contexte temporel précédent.
Backward Pass
Propagation des informations de la fin vers le début de la séquence dans un RNN bidirectionnel. Capture le contexte futur pour améliorer la compréhension globale de la séquence.
Hidden State
Représentation vectorielle interne du réseau à chaque timestep, stockant les informations temporelles pertinentes. Dans les RNN bidirectionnels, combine les états forward et backward.
Context Vector
Concaténation ou fusion des états cachés forward et backward créant une représentation contextuelle complète. Capture les dépendances bidirectionnelles pour chaque position temporelle.
Temporal Dependencies
Relations et corrélations entre différents points temporels dans une séquence de données. Les RNN bidirectionnels modélisent ces dépendances dans les deux directions temporelles.
Concatenation Layer
Couche de fusion combinant les sorties des passes forward et backward du RNN bidirectionnel. Crée une représentation unifiée préservant l'information contextuelle complète.
Bidirectional GRU
Architecture bidirectionnelle basée sur les Gated Recurrent Units offrant une alternative plus légère au Bi-LSTM. Maintient l'efficacité computationnelle tout en capturant le contexte bidirectionnel.
সিকোয়েন্স প্যাডিং
ব্যাচে বিভিন্ন দৈর্ঘ্যের সিকোয়েন্সের দৈর্ঘ্য সমান করার জন্য নিরপেক্ষ মান যোগ করার কৌশল। পরিবর্তনশীল দৈর্ঘ্যের সিকোয়েন্স সহ দ্বিদিক RNN-এর সমান্তরাল প্রক্রিয়াকরণের জন্য অপরিহার্য।
মাস্কিং মেকানিজম
দ্বিদিক RNN-এ গ্রেডিয়েন্ট গণনার সময় প্যাড করা অবস্থানগুলি উপেক্ষা করার প্রক্রিয়া। শুধুমাত্র প্রকৃত সময়গত ডেটা বিবেচনা করে শিক্ষার অখণ্ডতা বজায় রাখে।
টেম্পোরাল অ্যাটেনশন
বিভিন্ন টাইমস্টেপের গুরুত্ব ওজন করার জন্য দ্বিদিক আউটপুটে প্রয়োগ করা অ্যাটেনশন মেকানিজম। সিকোয়েন্সের সবচেয়ে প্রাসঙ্গিক অংশগুলিতে ফোকাস করে কর্মক্ষমতা উন্নত করে।
দ্বিদিক এনকোডিং
সিকোয়েন্সগুলিকে দ্বিদিক প্রসঙ্গ দ্বারা সমৃদ্ধ ভেক্টর উপস্থাপনায় রূপান্তরের প্রক্রিয়া। টেক্সট শ্রেণীবিভাগ এবং সেন্টিমেন্ট বিশ্লেষণের মতো NLP কাজের জন্য মৌলিক।
গ্রেডিয়েন্ট ফ্লো
ব্যাকপ্রপাগেশনে উভয় দিকে সময়গত স্তরগুলির মাধ্যমে গ্রেডিয়েন্টের প্রচার। দ্বিদিক RNN একই সাথে ফরওয়ার্ড এবং ব্যাকওয়ার্ড প্যারামিটারগুলি অপ্টিমাইজ করে।
কনটেক্সচুয়াল এমবেডিংস
দ্বিদিক RNN দ্বারা উৎপন্ন গতিশীল ভেক্টর উপস্থাপনা যা প্রসঙ্গ অনুযায়ী পরিবর্তিত হয়। প্রসঙ্গ-নির্ভর শব্দার্থিক সূক্ষ্মতা ক্যাপচার করে স্ট্যাটিক এমবেডিং থেকে আলাদা।
সিকোয়েন্স ট্যাগিং
দ্বিদিক RNN ব্যবহার করে একটি সিকোয়েন্সের প্রতিটি উপাদানে লেবেল নির্ধারণের কাজ। সাধারণ অ্যাপ্লিকেশন: নামযুক্ত সত্তা স্বীকৃতি এবং মরফোসিনট্যাক্টিক ট্যাগিং।
দ্বিদিক কনটেক্সট
একই সাথে অতীত এবং ভবিষ্যত বিবেচনা করে প্রতিটি টাইমস্টেপে উপলব্ধ সম্পূর্ণ তথ্য। ঐতিহ্যবাহী একদিক RNN-এর তুলনায় গভীর বোঝাপড়া ermöglicht।
Temporal Fusion
Combination stratégique des informations temporelles forward et backward pour créer une prédiction unifiée. Optimise la décision finale en exploitant tout le spectre contextuel disponible.