এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
ভ্যারিয়েশনাল অটোএনকোডার
ইনপুট ডেটার সম্ভাব্য লেটেন্ট উপস্থাপনা শেখার জন্য একটি জেনারেটিভ নিউরাল নেটওয়ার্ক আর্কিটেকচার যা লগ-সম্ভাবনার নিম্ন সীমাকে সর্বাধিক করে।
ELBO (এভিডেন্স লোয়ার বাউন্ড)
ভ্যারিয়েশনাল লার্নিংয়ে সর্বাধিক করা উদ্দেশ্য ফাংশন, যা পুনর্গঠন ক্ষতি এবং কেএল নিয়মিতকরণকে মার্জিনাল লগ-সম্ভাবনার নিম্ন সীমা হিসেবে একত্রিত করে।
ইনফারেন্স পোস্টেরিয়র
এনকোডার দ্বারা শেখা আনুমানিক বন্টন q(z|x) যা প্রকৃত পোস্টেরিয়র p(z|x) অনুমান করতে ব্যবহৃত হয়, সাধারণত একটি তির্যক গাউসিয়ান হিসেবে মডেল করা হয়।
কনভোলিউশনাল VAE
VAE-এর একটি বৈকল্পিক যা ইমেজ ডেটা কার্যকরভাবে প্রক্রিয়া করতে কনভোলিউশনাল স্তর ব্যবহার করে, স্থানিক কাঠামো সংরক্ষণ করে এবং পুনর্গঠনের গুণমান উন্নত করে।
হায়ারার্কিকাল VAE
একটি মাল্টি-লেভেল আর্কিটেকচার যেখানে লেটেন্ট ভেরিয়েবলগুলি শ্রেণীবদ্ধভাবে সংগঠিত হয়, আরও অভিব্যক্তিপূর্ণ মডেলিং এবং প্রগতিশীল জেনারেশন সক্ষম করে।
অবিচ্ছিন্ন লেটেন্ট স্পেস
একটি উপস্থাপনা স্থান যেখানে প্রতিটি বিন্দু একটি বৈধ নমুনার সাথে মিলে যায় এবং বিন্দুগুলির মধ্যে রূপান্তর মসৃণ হয়, ইন্টারপোলেশন এবং সিম্যান্টিক ম্যানিপুলেশন সক্ষম করে।
ডিসএনট্যাঙ্গলমেন্ট ফ্যাক্টর
লেটেন্ট স্পেসের একটি বৈশিষ্ট্য যেখানে প্রতিটি মাত্রা ডেটার একটি স্বাধীন পরিবর্তনশীল ফ্যাক্টর ক্যাপচার করে, ব্যাখ্যাযোগ্যতা এবং জেনারেটিভ নিয়ন্ত্রণ সহজতর করে।
রিপ্যারামিটারাইজড স্যাম্পলিং
একটি নমুনা প্রক্রিয়া যা শেখারযোগ্য প্যারামিটারগুলি থেকে এলোমেলো উত্সগুলিকে আলাদা করে পার্থক্যযোগ্যতা সক্ষম করে, VAEs-এর প্রশিক্ষণের জন্য অপরিহার্য।
শর্তাধীন উৎপাদন
ভিএই-এর একটি সম্প্রসারণ যেখানে অতিরিক্ত তথ্য যেমন লেবেল বা বৈশিষ্ট্য দ্বারা উৎপাদন শর্তযুক্ত হয়, যা আউটপুটগুলিতে লক্ষ্যবদ্ধ নিয়ন্ত্রণ সক্ষম করে।
ভেরিয়েশনাল শিক্ষণ
একটি অনুকূলকরণ প্যারাডাইম যা ইএলবিওর সর্বাধিকীকরণের মাধ্যমে বায়েসিয়ান অনুমান আনুমানিক করে, ভিএই-এর প্রশিক্ষণের অন্তর্নিহিত তাত্ত্বিক ভিত্তি।
বন্টন নিয়মিতকরণ
একটি প্রক্রিয়া যা শেখা লুকানো বন্টনকে একটি নির্দিষ্ট আকার (সাধারণত গাউসিয়ান) অনুসরণ করতে বাধ্য করে, পোস্টেরিয়র পতন এড়ায় এবং একটি কাঠামোবদ্ধ লুকানো স্থান নিশ্চিত করে।