एआई शब्दावली
आर्टिफिशियल इंटेलिजेंस का पूर्ण शब्दकोश
डीप क्लस्टरिंग
एक ऐसा दृष्टिकोण जो गहरे तंत्रिका नेटवर्क को पारंपरिक क्लस्टरिंग एल्गोरिदम के साथ जोड़ता है ताकि अनसुपरवाइज्ड क्लस्टरिंग के लिए उपयुक्त प्रतिनिधित्व सीखे जा सकें।
ऑटोएनकोडर क्लस्टरिंग
आयामों को कम करने और कॉम्पैक्ट विशेषताओं को सीखने के लिए ऑटोएनकोडर का उपयोग करने वाली विधि, जिसके बाद अव्यक्त स्थान पर क्लस्टरिंग एल्गोरिदम लागू किए जाते हैं।
डीप एम्बेडेड क्लस्टरिंग (DEC)
एक एल्गोरिथम जो नेटवर्क भार और क्लस्टर सेंट्रोइड्स को संयुक्त रूप से अनुकूलित करके एक साथ विशेषता प्रतिनिधित्व और क्लस्टर असाइनमेंट सीखता है।
वैरिएशनल डीप एम्बेडिंग (VaDE)
वैरिएशनल ऑटोएनकोडर पर आधारित एक जनरेटिव मॉडल जो क्लस्टरिंग करने के लिए अव्यक्त डेटा के वितरण को गॉसियन के मिश्रण के रूप में मॉडल करता है।
डीप सबस्पेस क्लस्टरिंग नेटवर्क्स (DSCN)
एक आर्किटेक्चर जो विभिन्न रैखिक सबस्पेस से संबंधित डेटा की अंतर्निहित संरचना को कैप्चर करने के लिए आत्म-अभिव्यंजक प्रतिनिधित्व सीखता है।
डीप स्पेक्ट्रल क्लस्टरिंग
स्पेक्ट्रल क्लस्टरिंग का विस्तार जहां गहरे तंत्रिका नेटवर्क का उपयोग समानता मैट्रिक्स और इष्टतम स्पेक्ट्रल प्रतिनिधित्व सीखने के लिए किया जाता है।
कन्वोल्यूशनल ऑटोएनकोडर के साथ डीप क्लस्टरिंग (DCC)
विशेष रूप से छवि डेटा के लिए डिज़ाइन की गई विधि जो क्लस्टरिंग से पहले दृश्य विशेषताओं को निकालने के लिए कन्वोल्यूशनल ऑटोएनकोडर का उपयोग करती है।
जॉइंट अनसुपरवाइज्ड लर्निंग (JULE)
एक फ्रेमवर्क जो प्रतिनिधित्व सीखने और क्लस्टरिंग को एक एकीकृत पुनरावृत्त प्रक्रिया में एकीकृत करता है, जिसमें विशेषता निष्कर्षण और क्लस्टर असाइनमेंट के बीच बारी-बारी से काम किया जाता है।
DeepCluster
एक पुनरावृत्तीय एल्गोरिथम जो एक तंत्रिका नेटवर्क द्वारा निकाले गए लक्षणों पर क्लस्टरिंग करता है, और फिर परिणामी छद्म-लेबल का उपयोग नेटवर्क को पर्यवेक्षित तरीके से प्रशिक्षित करने के लिए करता है।
Information Maximizing Deep Clustering (IDEC)
डीईसी का एक सुधार जो प्रतिनिधित्वों के क्षरण से बचने के लिए पुनर्निर्माण बाधा जोड़कर डेटा की स्थानीय संरचना को संरक्षित करता है।
Deep Gaussian Mixture Models (DGMM)
गॉसियन मिश्रण मॉडल का विस्तार जहां घटकों के पैरामीटरीकरण का कार्य गहरे तंत्रिका नेटवर्क द्वारा किया जाता है।
Deep Adaptive Clustering (DAC)
एक विधि जो नेटवर्क के प्रशिक्षण के दौरान सीखे गए समानता बाधाओं का उपयोग करके क्लस्टरों की इष्टतम संख्या के लिए स्वचालित रूप से अनुकूलित होती है।
Self-Expressive Deep Neural Networks
एक वास्तुकला जो अव्यक्त स्थान में आत्म-अभिव्यक्ति की बाधा लगाती है, जहां प्रत्येक नमूना अन्य नमूनों के एक रैखिक संयोजन के रूप में पुनर्निर्मित किया जा सकता है।
Deep Kernel Clustering
एक दृष्टिकोण जो गहरे तंत्रिका नेटवर्क द्वारा पैरामीटराइज़्ड कर्नेल सीखता है ताकि डेटा के बीच जटिल गैर-रेखीय संबंधों को पकड़ा जा सके।
Deep Generative Clustering
विधियों की एक श्रेणी जो डेटा वितरण को मॉडल करने और साथ ही क्लस्टरों की खोज करने के लिए जीएएन या वीएई जैसे गहरे जनरेटिव मॉडल का उपयोग करती है।
Contrastive Clustering
एक तकनीक जो अव्यक्त स्थान में इंट्रा-क्लस्टर समानता को अधिकतम करने और इंटर-क्लस्टर समानता को कम करने के लिए कंट्रास्टिव लर्निंग के सिद्धांतों को लागू करती है।
डीप मल्टी-व्यू क्लस्टरिंग
मल्टी-व्यू क्लस्टरिंग का विस्तार जहाँ गहरे न्यूरल नेटवर्क बेहतर एकीकरण के लिए साझा और प्रत्येक-दृश्य-विशिष्ट प्रतिनिधित्व सीखते हैं।
हाइरार्किकल डीप क्लस्टरिंग
एक ऐसी विधि जो विभिन्न ग्रैन्युलैरिटी पैमानों पर प्रतिनिधित्व सीखने के लिए न्यूरल नेटवर्क का उपयोग करके क्लस्टर का एक पदानुक्रम बनाती है।