এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
নিউরাল লজিক্যাল প্রোগ্রামিং
একটি কম্পিউটেশনাল প্যারাডাইম যা গভীর শিক্ষণ কাঠামোর মধ্যে যৌক্তিক যুক্তি সক্ষম করতে নিউরাল নেটওয়ার্ক আর্কিটেকচারের সাথে লজিক্যাল প্রোগ্রামিংয়ের নীতিগুলো একত্রিত করে। এই পদ্ধতিটি মেশিন লার্নিং মডেলগুলিতে কাঠামোগত প্রতীকী জ্ঞান সংহত করতে সহায়তা করে।
নিউরাল প্রোবাবিলিস্টিক রিজনিং
একটি পদ্ধতি যা জটিল ও শোরগোলপূর্ণ পরিবেশে অনুমান সম্পাদনের জন্য নিউরাল নেটওয়ার্কের যুক্তি ক্ষমতার সাথে সম্ভাব্য অনিশ্চয়তা একত্রিত করে। এই পদ্ধতিটি যৌক্তিক প্রস্তাবনার উপর সম্ভাব্যতা বন্টন মডেল করতে সক্ষম করে।
নিউরো-সিম্বলিক ইন্টিগ্রেশন
আরও শক্তিশালী ও ব্যাখ্যাযোগ্য হাইব্রিড এআই সিস্টেম তৈরি করার জন্য ঐতিহ্যগত প্রতীকী পদ্ধতির সাথে সাবসিম্বলিক নিউরাল পদ্ধতিগুলোর পদ্ধতিগত একীকরণ প্রক্রিয়া। এই একীকরণ দুটি প্যারাডাইমের সেরা দিকগুলো একত্রিত করতে চায়: নিউরাল লার্নিং এবং প্রতীকী যুক্তি।
ডিপ লজিক্যাল ইনফারেন্স
একটি অনুমান প্রক্রিয়া যা জটিল যুক্তি সম্পাদনের জন্য গভীর নিউরাল উপস্থাপনার একাধিক স্তরের মাধ্যমে আনুষ্ঠানিক যৌক্তিক নীতিগুলো প্রয়োগ করে। যৌক্তিক অপারেশনগুলো নেটওয়ার্ক আর্কিটেকচারে শ্রেণীবদ্ধভাবে বিতরণ করা হয়।
রিজনিং বাই লার্নিং
একটি শিক্ষণ প্যারাডাইম যেখানে মডেলটি প্রশিক্ষণ প্রক্রিয়ার সময় স্পষ্টভাবে যৌক্তিক যুক্তির ধাপ সম্পাদন করে তার কার্যকারিতা উন্নত করে, শিক্ষণকে আরও স্বচ্ছ ও নিয়ন্ত্রণযোগ্য করে তোলে। এই পদ্ধতিটি লস ফাংশনে যৌক্তিক সীমাবদ্ধতা সংহত করে।
নিউরাল নলেজ গ্রাফ
হাইব্রিড ডেটা স্ট্রাকচার যা নিউরাল এমবেডিং ব্যবহার করে সত্তা ও সম্পর্ক এনকোড করার সময় গ্রাফ আকারে জ্ঞান উপস্থাপন করে, একই সাথে প্রতীকী ও সাবসিম্বলিক উভয় ধরনের অনুমান সক্ষম করে। এই মডেলগুলো কাঠামোগত জ্ঞানের উপর যুক্তি সহজতর করে।
সিম্বলিক অ্যাটেনশন মেকানিজম
অ্যাটেনশন সিস্টেম যা বিশুদ্ধ অবিচ্ছিন্ন এমবেডিংয়ের পরিবর্তে স্পষ্ট প্রতীকী উপস্থাপনার উপর কাজ করে, প্রাসঙ্গিক তথ্যের আরও ব্যাখ্যাযোগ্য নির্বাচন সক্ষম করে। এই মেকানিজমগুলো অ্যাটেনশন সিদ্ধান্তের ট্রেসেবিলিটি বজায় রাখে।
টেনসরিয়াল রিজনিং নেটওয়ার্ক
একটি নিউরো-সিম্বলিক আর্কিটেকচার যা জটিল যৌক্তিক সম্পর্ক মডেল করতে এবং নলেজ গ্রাফে মাল্টি-হপ যুক্তি সম্পাদন করতে টেনসর অপারেশন ব্যবহার করে। এই নেটওয়ার্কগুলো উচ্চ-মাত্রিক টেনসর হিসেবে তথ্য ও নিয়ম উপস্থাপন করে।
নিউরাল ডিসক্রিপটিভ লজিক
অন্টোলজি এবং ধারণাগত শ্রেণিবিন্যাসের উপর যুক্তি প্রয়োগের জন্য নিউরাল আর্কিটেকচারে বর্ণনামূলক যুক্তির ধারণাগুলির সংহতকরণ। এই পদ্ধতিটি গভীর শিক্ষণের নমনীয়তার সাথে বর্ণনামূলক যুক্তির অভিব্যক্তিমূলক শক্তিকে একত্রিত করে।
নিউরাল প্রুফ সিস্টেম
যুক্তিগত প্রমাণ অনুসন্ধানের প্রক্রিয়া নির্দেশিত বা স্বয়ংক্রিয় করার জন্য নিউরাল নেটওয়ার্ক ব্যবহার করে এমন প্রক্রিয়া, যা শেখার হিউরিস্টিক্স এবং আনুষ্ঠানিক প্রমাণ কৌশলগুলিকে একত্রিত করে। এই সিস্টেমগুলি উদাহরণ থেকে কার্যকর প্রমাণ কৌশল শিখতে পারে।
পরিসংখ্যানিক লজিক্যাল প্রোগ্রামিং
যুক্তিগত প্রোগ্রামিংয়ের একটি সম্প্রসারণ যা অনিশ্চয়তা পরিচালনার জন্য সম্ভাব্য মডেলগুলিকে সংহত করে, প্রায়শই শেখার জন্য নিউরাল আর্কিটেকচারের সাথে প্রয়োগ করা হয়। এই পদ্ধতিটি কাঠামোগত জ্ঞান সহ অনিশ্চিত বিশ্ব সম্পর্কে যুক্তি প্রয়োগ করতে দেয়।
হাইব্রিড নিউরো-সিম্বলিক আর্কিটেকচার
একটি একীভূত আর্কিটেকচারে স্পষ্টভাবে নিউরাল এবং সিম্বলিক উপাদানগুলিকে একত্রিত করে এমন গণনামূলক কাঠামো, যা উপ-সিম্বলিক উপলব্ধি এবং সিম্বলিক যুক্তির মধ্যে দ্বিমুখী মিথস্ক্রিয়া সম্ভব করে। এই আর্কিটেকচারগুলি পৃথকভাবে নেওয়া প্রতিটি পদ্ধতির সীমাবদ্ধতা কাটিয়ে উঠতে লক্ষ্য করে।
নিউরাল ইন্ডাকটিভ রিজনিং
নির্দিষ্ট উদাহরণ থেকে সাধারণ নিয়ম বা নীতির দিকে সাধারণীকরণের জন্য নিউরাল নেটওয়ার্ক ব্যবহার করে এমন প্রক্রিয়া, যা স্বয়ংক্রিয় শিক্ষার ক্ষমতা সহ মানুষের আনুমানিক যুক্তির অনুকরণ করে। এই পদ্ধতিটি স্বয়ংক্রিয়ভাবে যুক্তিগত নিয়মিততা আবিষ্কার করতে দেয়।
নিউরাল লজিক্যাল কনস্ট্রেইন্টস
একটি প্রক্রিয়া যা আনুষ্ঠানিক যুক্তিগত সীমাবদ্ধতাগুলিকে সরাসরি একটি নিউরাল নেটওয়ার্কের আর্কিটেকচার বা লস ফাংশনে অন্তর্ভুক্ত করে, পূর্ব-জ্ঞান সহ সামঞ্জস্যপূর্ণ সমাধানের দিকে শিক্ষাকে নির্দেশিত করে। এই সীমাবদ্ধতাগুলি ভবিষ্যদ্বাণীগুলির যুক্তিগত বৈধতা নিশ্চিত করে।
নিউরাল এক্সপ্লানেশন সিস্টেম
নিউরো-সিম্বলিক প্রক্রিয়া যা যুক্তিগত ধারণাগুলির সাথে সক্রিয়করণগুলিকে সংযুক্ত করে নিউরাল নেটওয়ার্কের সিদ্ধান্তগুলির জন্য ব্যাখ্যাযোগ্য সিম্বলিক ব্যাখ্যা তৈরি করে। এই সিস্টেমগুলি নিউরাল যুক্তিকে বোধগম্য যুক্তিগত শৃঙ্খলায় অনুবাদ করে।
ডিপ রিলেশনাল লার্নিং
সম্পর্কযুক্ত কাঠামোগত ডেটা স্পষ্টভাবে প্রক্রিয়া করার জন্য গভীর শিক্ষণকে প্রসারিত করে এমন একটি প্যারাডাইম যা সম্পর্কের উপর যুক্তি প্রয়োগের জন্য বিশেষায়িত নিউরাল আর্কিটেকচার ব্যবহার করে। এই পদ্ধতিটি গভীর নেটওয়ার্কগুলির শক্তিকে কাঠামোগত সম্পর্কের মডেলিংয়ের সাথে একত্রিত করে।
নিউরোনাল কম্পোজিশনালিটি মেকানিজম
স্পষ্টভাবে কম্পোজিশনালিটির নীতিগুলো মেনে চলার জন্য ডিজাইন করা নিউরাল আর্কিটেকচার, যেখানে জটিল অভিব্যক্তিগুলোর অর্থ তাদের উপাদানগুলোর অর্থ থেকে গঠিত হয়। এই মেকানিজমগুলো কাঠামোগত এবং সাধারণীকরণযোগ্য যুক্তিসঙ্গত চিন্তাভাবনা সক্ষম করে।