Out-of-Distribution Detection
Out-of-Distribution (OOD) ডিটেকশন হলো এমন কিছু কৌশলের সমষ্টি যা একটি মেশিন লার্নিং মডেল যখন তার প্রশিক্ষণ ডেটার ডিস্ট্রিবিউশন থেকে উল্লেখযোগ্যভাবে ভিন্ন ইনপুট গ্রহণ করে, তখন তা শনাক্ত করতে পারে। ২০১৭ সালে Hendrycks এবং Gimpel এটিকে একটি আনুষ্ঠানিক সমস্যা হিসেবে উপস্থাপন করেন। এই পদ্ধতিগুলো মডেলকে অনির্ভরযোগ্য ভবিষ্যদ্বাণী নীরবে করার পরিবর্তে অপরিচিত ইনপুটগুলি চিহ্নিত করতে সক্ষম করে, যা উচ্চ-ঝুঁকিপূর্ণ ডোমেনে বিশ্বস্ত ও নিরাপদ AI স্থাপনার জন্য এদেরকে মৌলিক করে তোলে।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
Method map
The neighbourhood of related methods — select a node to explore.
উৎস
- Hendrycks, D., & Gimpel, K. (2017). A baseline for detecting misclassified and out-of-distribution examples in neural networks. International Conference on Learning Representations. link ↗
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 2). Out-of-Distribution Detection. ScholarGate. https://scholargate.app/bn/machine-learning/out-of-distribution-detection
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- আইসোলেশন ফরেস্টযন্ত্র শিখন↔ compare
- মডেল ক্যালিব্রেশনযন্ত্র শিখন↔ compare
- অনিশ্চয়তা পরিমাপ (Uncertainty Quantification)অনুকরণ↔ compare
যেখানে উদ্ধৃত
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →