এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
স্পাইকিং নিউরাল নেটওয়ার্ক (এসএনএন)
কৃত্রিম নিউরাল নেটওয়ার্ক আর্কিটেকচার যা জৈবিক নিউরনের কার্যকারিতা থেকে অনুপ্রাণিত হয়ে বিচ্ছিন্ন স্পাইক ব্যবহার করে তথ্য প্রেরণ করে, যা সময়গত প্রক্রিয়াকরণ এবং শক্তি-দক্ষতা সক্ষম করে।
লিকি ইন্টিগ্রেট-এন্ড-ফায়ার (এলআইএফ)
স্পাইকিং নিউরন মডেল যা সময়গত ইনপুটগুলিকে মেমব্রেন পোটেনশিয়ালের ধীরে ধীরে লিকের সাথে সংহত করে, যখন থ্রেশহোল্ড অর্জন করা হয় তখন একটি স্পাইক তৈরি করে এবং তারপর পোটেনশিয়াল রিসেট করে।
কনভোলিউশনাল স্পাইকিং নিউরাল নেটওয়ার্ক (সিএসএনএন)
গভীর এসএনএন আর্কিটেকচার যা স্পাইকিং নিউরন সহ স্পেসিও-টেম্পোরাল ডেটাতে কনভোলিউশন অপারেশন প্রয়োগ করে, রিয়েল-টাইম ইমেজ এবং ভিডিও রিকগনিশনের জন্য বিশেষভাবে কার্যকর।
রিকারেন্ট স্পাইকিং নিউরাল নেটওয়ার্ক (আরএসএনএন)
রিকারেন্ট কানেকশন সহ এসএনএন স্ট্রাকচার যা দীর্ঘমেয়াদী সময়গত মেমোরি সক্ষম করে, সিকোয়েন্স প্রসেসিং এবং টেম্পোরাল প্রেডিকশন টাস্কের জন্য আদর্শ।
স্পাইক-টাইমিং-ডিপেন্ডেন্ট প্লাস্টিসিটি (এসটিডিপি)
জৈবিক লার্নিং রুল যেখানে সিন্যাপটিক শক্তি প্রি- এবং পোস্ট-সিন্যাপটিক স্পাইকগুলির মধ্যে সুনির্দিষ্ট সময়গত পার্থক্যের উপর ভিত্তি করে পরিবর্তিত হয়, সময়গত কার্যকারণকে উন্নীত করে।
টেম্পোরাল কোডিং
এসএনএন-এ কোডিং কৌশল যেখানে তথ্য স্পাইক ফ্রিকোয়েন্সির পরিবর্তে স্পাইকগুলির সঠিক সময় দ্বারা উপস্থাপিত হয়, যা আল্ট্রা-ফাস্ট এবং দক্ষ প্রক্রিয়াকরণ সক্ষম করে।
রেট কোডিং
নিউরোনাল কোডিং পদ্ধতি যেখানে তথ্য একটি সময়গত উইন্ডোর উপর স্পাইকগুলির গড় ফ্রিকোয়েন্সিতে এনকোড করা হয়, আরও রোবাস্ট কিন্তু কম সময়গতভাবে সঠিক পদ্ধতি।
মেমব্রেন পোটেনশিয়াল
একটি এসএনএন নিউরনের ক্রমাগত স্টেট ভেরিয়েবল যা সিন্যাপটিক ইনপুটগুলির সময়গত সংহতকরণ উপস্থাপন করে, যা একটি থ্রেশহোল্ড অতিক্রম করার সময় স্পাইক জেনারেশনের মুহূর্ত নির্ধারণ করে।
সারোগেট গ্রেডিয়েন্ট
একটি আনুমানিক কৌশল যা স্নায়ু স্পাইকিং নেটওয়ার্কগুলিকে ব্যাকপ্রপাগেশন মাধ্যমে প্রশিক্ষণের জন্য গ্রেডিয়েন্ট গণনা করতে সাহায্য করে, অ-ডিফারেনশিয়েবল স্পাইক ফাংশনকে একটি মসৃণ ডিফারেনশিয়েবল আনুমানিক দ্বারা প্রতিস্থাপন করে।
নিউরোমরফিক কম্পিউটিং
জৈবিক মস্তিষ্কের স্থাপত্য এবং কার্যকারিতা অনুকরণ করা একটি কম্পিউটিং প্যারাডাইম, যা শক্তি-দক্ষ প্রক্রিয়াকরণের জন্য বিশেষায়িত সার্কিটে স্নায়ু স্পাইকিং নেটওয়ার্ক ব্যবহার করে।
ইভেন্ট-চালিত প্রক্রিয়াকরণ
একটি গণনা পদ্ধতি যেখানে নিউরনগুলি শুধুমাত্র আগত স্পাইকের প্রতিক্রিয়ায় তথ্য প্রক্রিয়া করে, অপ্রয়োজনীয় গণনা দূর করে এবং শক্তি খরচ অপ্টিমাইজ করে।
গভীর স্নায়ু স্পাইকিং নেটওয়ার্ক
একাধিক গোপন স্তর সহ স্নায়ু স্পাইকিং নেটওয়ার্ক যা উন্নত স্বীকৃতি কাজের জন্য জটিল শ্রেণিবদ্ধ বৈশিষ্ট্য নিষ্কাশন করতে সক্ষম হয়, একই সাথে সময়গত দক্ষতা বজায় রাখে।
স্পাইকিং ট্রান্সফরমার
একটি স্নায়ু স্পাইকিং নেটওয়ার্ক স্থাপত্য যা মাল্টি-হেড অ্যাটেনশন মেকানিজমকে স্পাইকিং নিউরনের সাথে সংযুক্ত করে, স্নায়ু স্পাইকিং নেটওয়ার্কের সময়গত প্রক্রিয়াকরণকে ট্রান্সফরমারের দূর-দূরত্বের সম্পর্ক মডেলিং ক্ষমতার সাথে একত্রিত করে।
রেসিডুয়াল স্নায়ু স্পাইকিং নেটওয়ার্ক
একটি গভীর স্নায়ু স্পাইকিং নেটওয়ার্ক স্থাপত্য যা প্রশিক্ষণ সহজতর করতে এবং কর্মক্ষমতা অবনতি এড়াতে অবশিষ্ট সংযোগ ব্যবহার করে, আরও গভীর এবং আরও কার্যকর নেটওয়ার্ক সক্ষম করে।
সিন্যাপটিক বিলম্ব
স্নায়ু স্পাইকিং নেটওয়ার্কগুলিতে একটি সময়গত প্যারামিটার যা প্রি-সিন্যাপটিক স্পাইক এবং পোস্ট-সিন্যাপটিক নিউরনে এর প্রভাবের মধ্যে ট্রান্সমিশন সময় মডেল করে, সঠিক সময়গত প্রক্রিয়াকরণের জন্য গুরুত্বপূর্ণ।
স্পাইকিং এলএসটিএম
দীর্ঘ-মেয়াদী মেমরি নেটওয়ার্কের একটি বৈকল্পিক যেখানে ঐতিহ্যগত নিউরনগুলিকে স্পাইকিং নিউরন দ্বারা প্রতিস্থাপিত করা হয়, যা সিকোয়েন্সিয়াল মেমরির সুবিধাগুলিকে স্নায়ু স্পাইকিং নেটওয়ার্কের সময়গত দক্ষতার সাথে একত্রিত করে।
মাল্টি-লেয়ার এসএনএন
একাধিক ধারাবাহিক স্তর নিয়ে গঠিত এসএনএন আর্কিটেকচার যা ক্রমবর্ধমান জটিলতার বৈশিষ্ট্য নিষ্কাশনের অনুমতি দেয়, জটিল কাজের জন্য গভীর এসএনএন-এর ভিত্তি।