एआई शब्दावली
आर्टिफिशियल इंटेलिजेंस का पूर्ण शब्दकोश
मेट्रिक एम्बेडिंग स्पेस
एक निम्न-आयामी वेक्टर स्पेस जहां बिंदुओं के बीच की दूरियां कक्षाओं के बीच शब्दार्थ समानताओं को दर्शाती हैं, जिसे फ्यू-शॉट वर्गीकरण कार्यों के लिए अनुकूलित किया गया है।
क्लास प्रोटोटाइप
एक क्लास की केंद्रीय वेक्टर प्रतिनिधित्व, जिसे मेट्रिक स्पेस में उस क्लास के सपोर्ट उदाहरणों के एम्बेडिंग्स के औसत के रूप में गणना की जाती है।
सपोर्ट सेट
मेटा-लर्निंग एपिसोड के दौरान क्लास प्रोटोटाइप्स की गणना के लिए उपयोग किए जाने वाले प्रशिक्षण डेटा का एक सबसेट, जिसमें प्रति क्लास सीमित संख्या में उदाहरण होते हैं।
क्वेरी सेट
प्रशिक्षण के दौरान मॉडल के प्रदर्शन का मूल्यांकन और अपडेट करने के लिए उपयोग किए जाने वाले वर्गीकृत किए जाने वाले उदाहरणों का सेट, जो प्रोटोटाइप्स की गणना में भाग नहीं लेता है।
N-वे K-शॉट
फ्यू-शॉट लर्निंग पैराडाइम जहां N भेद किए जाने वाले क्लासों की संख्या का प्रतिनिधित्व करता है और K सपोर्ट सेट में प्रति क्लास उपलब्ध उदाहरणों की संख्या का प्रतिनिधित्व करता है।
एम्बेडिंग में यूक्लिडियन दूरी
क्वेरी उदाहरणों को सीखे गए एम्बेडिंग स्पेस में क्लास प्रोटोटाइप्स से उनकी दूरी की गणना करके वर्गीकृत करने के लिए उपयोग की जाने वाली समानता माप।
दूरियों पर सॉफ्टमैक्स
एक एक्टिवेशन फंक्शन जो प्रोटोटाइप्स से नकारात्मक दूरियों को क्लासों पर प्रायिकता वितरण में बदलता है, जिसका उपयोग क्वेरी उदाहरणों के वर्गीकरण के लिए किया जाता है।
मेटा-लर्निंग एपिसोड
प्रशिक्षण की एक इकाई जो एक पूर्ण फ्यू-शॉट कार्य का अनुकरण करती है, जिसमें सपोर्ट सेट से प्रोटोटाइप्स का निर्माण और क्वेरी सेट का वर्गीकरण शामिल है।
एनकोडिंग फ़ंक्शन
पैरामीटरिज्ड न्यूरल नेटवर्क जो कच्चे इनपुट को एम्बेडिंग वैक्टर में बदलता है, जो इंट्रा-क्लास दूरी को कम करने और इंटर-क्लास दूरी को अधिकतम करने के लिए अनुकूलित है।
दूरियों पर क्रॉस-एंट्रॉपी लॉस
उद्देश्य फ़ंक्शन जो प्रोटोटाइप तक की दूरियों के आधार पर अनुमानित वितरण और क्वेरी उदाहरणों के वास्तविक लेबल के बीच विचलन को कम करता है।
प्रोटोटाइप प्रारंभीकरण
प्रशिक्षण से पहले कक्षाओं के प्रतिनिधित्व की प्रारंभिक गणना की प्रक्रिया, अक्सर यादृच्छिक औसत या अधिक प्रचुर डेटा पर पूर्व-प्रशिक्षण द्वारा किया जाता है।
जीरो-शॉट ट्रांसफर
प्रोटोटाइपिकल नेटवर्क्स की क्षमता जो केवल सिमैंटिक विवरण या गुणों का उपयोग करके प्रशिक्षण के दौरान न देखी गई कक्षाओं की ओर सामान्यीकृत करती है।
प्रोटोटाइप्स का ऑनलाइन अपडेट
निर्णय सीमाओं को परिष्कृत करने के लिए नए उदाहरणों को धीरे-धीरे शामिल करके अनुमान के दौरान कक्षा प्रतिनिधित्व का गतिशील अनुकूलन।
उदाहरणों का भारित समुच्चयन
प्रोटोटाइप गणना का एक उन्नत संस्करण जो प्रत्येक समर्थन उदाहरण के लिए उनकी गुणवत्ता या कक्षा प्रतिनिधित्व के लिए प्रासंगिकता के आधार पर भारित करता है।
मीट्रिक लेटेंट स्पेस
सीखा हुआ मध्यवर्ती प्रतिनिधित्व जहां ज्यामितीय संरचना कक्षाओं के बीच समानता संबंधों को संरक्षित करती है, प्रोटोटाइप स्पेस में रैखिक विभाजन को सुविधाजनक बनाती है।
प्रोटोटाइप रेगुलराइजेशन
प्रोटोटाइप्स को एम्बेडिंग स्पेस के विशिष्ट क्षेत्रों में रहने के लिए बाध्य करके या उनके अत्यधिक विस्तार को दंडित करके ओवरफिटिंग से बचने की तकनीक।
एपिसोडिक लर्निंग
एक प्रशिक्षण रणनीति जहाँ प्रत्येक बैच में कई स्वतंत्र फ्यू-शॉट एपिसोड होते हैं, जिससे मॉडल को नए कार्यों में तेजी से अनुकूलित होने के लिए सिखाया जाता है।
अनुकूली महालानोबिस दूरी
प्रोटोटाइपिकल नेटवर्क्स का विस्तार जो प्रत्येक वर्ग में डेटा के कोवेरिएंस को ध्यान में रखकर बेहतर विभाजन के लिए सीखी गई दूरी मेट्रिक का उपयोग करता है।
गतिशील प्रोटोटाइप
एक वेरिएंट जहाँ प्रोटोटाइप स्थिर नहीं होते हैं, बल्कि संदर्भ या प्रत्येक वर्गीकृत करने वाले क्वेरी उदाहरण के विशिष्ट विशेषताओं के अनुसार अनुकूलित होते हैं।