এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
সিম্যান্টিক এম্বেডিং
একটি সিম্যান্টিক স্পেসে ক্লাসগুলির ঘন ভেক্টর উপস্থাপনা যেখানে ধারণাগুলির মধ্যে সম্পর্ক সংরক্ষিত থাকে, যা মডেলটিকে আগে দেখা যায়নি এমন ক্লাসগুলির মধ্যে সাদৃশ্য বোঝার অনুমতি দেয়।
অ্যাট্রিবিউট-ভিত্তিক শ্রেণীবিভাগ
একটি পদ্ধতি যেখানে বস্তুগুলি ব্যাখ্যাযোগ্য সিম্যান্টিক অ্যাট্রিবিউটের একটি সেট দ্বারা বর্ণনা করা হয়, পূর্বনির্ধারিত এই অ্যাট্রিবিউটগুলিকে একত্রিত করে নতুন ক্লাসগুলির শ্রেণীবিভাগের অনুমতি দেয়।
দেখা ক্লাসসমূহ
বস্তুর বিভাগগুলির সেট যা মডেলের প্রশিক্ষণ পর্যায়ে ব্যবহৃত হয়, যার জন্য ভিজ্যুয়াল উদাহরণ উপস্থাপন শেখার জন্য উপলব্ধ।
অদেখা ক্লাসসমূহ
প্রশিক্ষণ ডেটা থেকে অনুপস্থিত বস্তুর বিভাগগুলি কিন্তু মডেলটিকে শুধুমাত্র সিম্যান্টিক বর্ণনা বা অ্যাট্রিবিউট ব্যবহার করে অনুমানের সময় সনাক্ত করতে হবে।
ভিজ্যুয়াল-সিম্যান্টিক ম্যাপিং
একটি শেখার ফাংশন যা ছবির ভিজ্যুয়াল বৈশিষ্ট্যগুলিকে সিম্যান্টিক স্পেসে প্রজেক্ট করে যেখানে ক্লাসগুলির টেক্সচুয়াল বর্ণনা অবস্থান করে।
কম্প্যাটিবিলিটি ফাংশন
একটি ফাংশন যা একটি ভিজ্যুয়াল উপস্থাপনা এবং একটি সিম্যান্টিক উপস্থাপনার মধ্যে সাদৃশ্য পরিমাপ করে, একটি প্রদত্ত ইনস্ট্যান্সের জন্য সবচেয়ে সম্ভাব্য ক্লাস নির্ধারণ করতে ব্যবহৃত হয়।
জেনারেলাইজড জিরো-শট লার্নিং
ZSL-এর একটি এক্সটেনশন যেখানে মডেলটিকে একই সাথে দেখা এবং অদেখা উভয় ক্লাস শ্রেণীবদ্ধ করতে হবে, প্রশিক্ষণের সময় দেখা পরিচিত ক্লাসগুলির দিকে একটি শ্রেণীবিভাগ পক্ষপাত প্রবর্তন করে।
ট্রান্সডাক্টিভ জিরো-শট লার্নিং
ZSL-এর একটি বৈকল্পিক যেখানে মডেলটির প্রশিক্ষণের সময় অদেখা ক্লাসগুলির টেস্ট ডেটা অ্যাক্সেস থাকে, কিন্তু তাদের লেবেল ছাড়া, স্পেসগুলির আরও ভাল অ্যালাইনমেন্টের অনুমতি দেয়।
ইন্ডাকটিভ জিরো-শট লার্নিং
ক্লাসিক জেডএসএল পদ্ধতি যেখানে মডেল শুধুমাত্র দেখা ক্লাস থেকে শেখে এবং পরীক্ষার ডেটা ছাড়াই সম্পূর্ণরূপে অদেখা ক্লাসে সাধারণীকরণ করতে হয়।
ক্রস-মোডাল ট্রান্সফার
বিভিন্ন ডেটা মোডালিটির মধ্যে জ্ঞান স্থানান্তর, যেমন টেক্সট থেকে ইমেজ, যা জেডএসএল-এর জন্য অপরিহার্য যেখানে টেক্সচুয়াল বর্ণনা ভিজ্যুয়াল স্বীকৃতিকে নির্দেশনা দেয়।
সিম্যান্টিক স্পেস
উচ্চ-মাত্রিক ভেক্টর স্পেস যেখানে ধারণা এবং ক্লাসগুলি উপস্থাপিত হয়, সিম্যান্টিক সম্পর্ক সংরক্ষণ করে এবং ধারণাগত সাদৃশ্য সম্পর্কে যুক্তি সক্ষম করে।
লেবেল এমবেডিং
কৌশল যা ক্লাস লেবেলগুলিকে একটি সিম্যান্টিক স্পেসে অবিচ্ছিন্ন ভেক্টরে রূপান্তর করে, মডেলগুলিকে ক্লাসিফিকেশন আউটপুটগুলিকে রিগ্রেশন সমস্যা হিসাবে বিবেচনা করতে সক্ষম করে।
ফিচার প্রজেকশন
গাণিতিক অপারেশন যা ইমেজ থেকে নিষ্কাশিত ভিজ্যুয়াল বৈশিষ্ট্যগুলিকে রূপান্তর করে একটি সাধারণ স্পেসে ক্লাসের সিম্যান্টিক উপস্থাপনার সাথে সারিবদ্ধ করার জন্য।
জিরো-শট ডোমেইন অ্যাডাপ্টেশন
জেডএসএল এবং ডোমেইন অ্যাডাপ্টেশনের সংমিশ্রণ যেখানে মডেলকে প্রশিক্ষণ ডেটার ডোমেইন থেকে ভিন্ন একটি টার্গেট ডোমেইনে অদেখা ক্লাস শ্রেণীবদ্ধ করতে হয়।
হায়ারার্কিক্যাল জিরো-শট লার্নিং
পদ্ধতি যা ধারণাগুলির মধ্যে প্যারেন্ট-চাইল্ড সম্পর্ক ব্যবহার করে অদেখা বিভাগগুলির দিকে সাধারণীকরণ উন্নত করতে ক্লাসের হায়ারার্কিক্যাল কাঠামো কাজে লাগায়।
জেনারেটিভ জিরো-শট লার্নিং
পদ্ধতি যা জেনারেটিভ মডেল ব্যবহার করে অদেখা ক্লাসের ভিজ্যুয়াল বৈশিষ্ট্য সংশ্লেষিত করে, জেডএসএল-কে ক্লাসিক সুপারভাইজড ক্লাসিফিকেশন সমস্যায় রূপান্তরিত করে।