এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
অ-উত্তল অপ্টিমাইজেশন
অপ্টিমাইজেশন প্রক্রিয়া যেখানে উদ্দেশ্য ফাংশনে একাধিক স্থানীয় মিনিমা এবং স্যাডল পয়েন্ট থাকে, উচ্চ-মাত্রিক স্থানে গ্লোবাল অপ্টিমাম খুঁজে পাওয়া বিশেষভাবে জটিল করে তোলে।
স্যাডল পয়েন্ট
সমালোচনামূলক বিন্দু যেখানে গ্রেডিয়েন্ট শূন্য হয় কিন্তু যা মিনিমা বা ম্যাক্সিমা নয়, উচ্চ মাত্রায় তাদের প্রাচুর্যের কারণে গভীর নেটওয়ার্ক অপ্টিমাইজেশনে প্রধান বাধা গঠন করে।
সমালোচনামূলক বিন্দু
প্যারামিটার স্থানের বিন্দু যেখানে লস ফাংশনের গ্রেডিয়েন্ট শূন্য হয়, যার মধ্যে স্থানীয় মিনিমা, স্থানীয় ম্যাক্সিমা এবং স্যাডল পয়েন্ট অন্তর্ভুক্ত।
এস্কেপ ডাইনামিক্স
মেকানিজম যার মাধ্যমে স্টোকাস্টিক অপ্টিমাইজেশন অ্যালগরিদম গ্রেডিয়েন্ট নয়েজের সাহায্যে স্যাডল পয়েন্ট এবং অগভীর স্থানীয় মিনিমা থেকে পালাতে পারে।
লস ল্যান্ডস্কেপ
নেটওয়ার্ক প্যারামিটারের উপর নির্ভর করে লস ফাংশনের বহুমাত্রিক জ্যামিতিক উপস্থাপনা, উপত্যকা, শিখর এবং মালভূমির জটিল টপোলজি দ্বারা চিহ্নিত।
আকর্ষণের বেসিন
প্যারামিটার স্থানের অঞ্চল যেখান থেকে একটি অপ্টিমাইজেশন অ্যালগরিদম তার গতিবিদ্যার অধীনে একটি নির্দিষ্ট সমালোচনামূলক বিন্দুর দিকে অনিবার্যভাবে একত্রিত হয়।
শার্প বনাম ফ্ল্যাট মিনিমা
উচ্চ বক্রতা সহ স্থানীয় মিনিমা (শার্প) যা সম্ভাব্যভাবে কম সাধারণীকরণযোগ্য এবং নিম্ন বক্রতা সহ মিনিমা (ফ্ল্যাট) যা সাধারণীকরণের জন্য সাধারণত পছন্দনীয় - এর মধ্যে পার্থক্য।
প্ল্যাটো ফেনোমেনন
প্রশিক্ষণের পর্যায় যেখানে অ্যালগরিদম নিম্ন গ্রেডিয়েন্টের অঞ্চলে স্থবির থাকে, গভীর অ-উত্তল অপ্টিমাইজেশনের সাধারণ এবং এটি কাটিয়ে উঠতে নির্দিষ্ট কৌশল প্রয়োজন।
মোমেন্টাম-ভিত্তিক অপ্টিমাইজেশন
গ্রেডিয়েন্টের পূর্ববর্তী মানের উপর ভিত্তি করে জড়তা সংযুক্ত অ্যালগরিদমের একটি পরিবার, যা অভিসারীতা ত্বরান্বিত করতে এবং ক্ষতি ল্যান্ডস্কেপের কঠিন অঞ্চলগুলিকে আরও কার্যকরভাবে অতিক্রম করতে সাহায্য করে।
ক্রিটিক্যাল পয়েন্ট বিশ্লেষণ
অপ্টিমাইজেশন গতিবিদ্যা বোঝার জন্য অ-উত্তল ক্ষতি ল্যান্ডস্কেপে ক্রিটিক্যাল পয়েন্টগুলির বন্টন এবং বৈশিষ্ট্যগুলির পদ্ধতিগত অধ্যয়ন।
রিস্টার্ট সহ গ্রেডিয়েন্ট ডিসেন্ট
বিভিন্ন আকর্ষণ বেসিন অন্বেষণ করার জন্য পর্যায়ক্রমে গ্রেডিয়েন্ট ডিসেন্ট এবং প্যারামিটারের আংশিক পুনরায় সেট করার মধ্যে বিকল্প করা অপ্টিমাইজেশন কৌশল।
হেসিয়ান-মুক্ত অপ্টিমাইজেশন
হেসিয়ান ম্যাট্রিক্সের স্পষ্ট গণনা এড়িয়ে যায় এমন দ্বিতীয়-ক্রম অপ্টিমাইজেশন পদ্ধতি, যেখানে অভিসারীতা উন্নত করার জন্য বক্রতা তথ্য ব্যবহার করা হয়।
বক্রতা তথ্য
অ-উত্তল অঞ্চলে অপ্টিমাইজেশন নির্দেশনা দিতে এবং অভিসারীতার স্থিতিশীলতা উন্নত করতে ক্ষতি ফাংশনের দ্বিতীয় ডেরিভেটিভ ব্যবহার।