এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
লস ফাংশন (Loss Function)
একটি গাণিতিক মেট্রিক যা মডেলের পূর্বাভাস এবং প্রকৃত লেবেলের মধ্যে পার্থক্য পরিমাপ করে, যা প্রশিক্ষণের সময় নেটওয়ার্কের ওজন সামঞ্জস্য করার জন্য অপ্টিমাইজেশন অ্যালগরিদমকে সংকেত প্রদান করে।
একুরেসি (Accuracy)
একটি শ্রেণীবিভাগ মেট্রিক যা সঠিক পূর্বাভাসের সংখ্যা এবং মোট পূর্বাভাসের সংখ্যার অনুপাত হিসাবে গণনা করা হয়, প্রায়শই ভারসাম্যপূর্ণ ডেটাসেটে সামগ্রিক কর্মক্ষমতা পরিমাপ হিসেবে ব্যবহৃত হয়।
কনভোলিউশন লেয়ার (Convolution Layers)
সিএনএন-এর মৌলিক স্তর যা ইনপুট ইমেজে স্লাইডিং ফিল্টার (কার্নেল) প্রয়োগ করে প্রান্ত, টেক্সচার এবং আকৃতি মত স্থানীয় প্যাটার্ন সনাক্ত করে, ফিচার ম্যাপ তৈরি করে।
ইমেজ এম্বেডিং (Image Embedding)
একটি ইমেজের ঘন এবং নিম্ন-মাত্রিক ভেক্টর উপস্থাপনা, যা একটি নেটওয়ার্কের মধ্যবর্তী স্তর দ্বারা উৎপন্ন হয়, যা এর সেমান্টিক বিষয়বস্তু ধারণ করে এবং অনুসন্ধান বা ক্লাস্টারিং মত কাজে ব্যবহার করা যেতে পারে।
লার্নিং রেট (Learning Rate)
একটি হাইপারপ্যারামিটার যা অপ্টিমাইজেশনের প্রতিটি পুনরাবৃত্তিতে মডেলের ওজন আপডেটের পরিমাণ নিয়ন্ত্রণ করে, যা সরাসরি কনভারজেন্সের গতি এবং চূড়ান্ত মডেলের গুণমানকে প্রভাবিত করে।
রেসনেট আর্কিটেকচার (Residual Network)
গভীর সিএনএন-এর একটি পরিবার যা গ্রেডিয়েন্ট ভ্যানিশিং সমস্যা হ্রাস করার জন্য রেসিডুয়াল কানেকশন (স্কিপ কানেকশন) প্রবর্তন করে, অনেক গভীর এবং কার্যকরী নেটওয়ার্ক প্রশিক্ষণ সম্ভব করে।
জিরো-শট ক্লাসিফিকেশন (Zero-Shot Classification)
একটি শ্রেণীবিভাগ কাজ যেখানে মডেলকে এমন শ্রেণীর লেবেল পূর্বাভাস করতে হয় যা প্রশিক্ষণের সময় কখনও দেখা হয়নি, টেক্সচুয়াল বর্ণনার মত বাহ্যিক সেমান্টিক তথ্যের উপর নির্ভর করে।