রিমাস্কিং এবং ইউনিফর্ম মোড মডেল সহ বিচ্ছিন্ন বিস্তার, প্রতিটি ধাপে একাধিক টোকেন অবস্থান লিখে, অবস্থান অনুসারে প্রতিটি বিতরণ অঙ্কন করে এবং সেই বিতরণগুলি থেকে কোন অবস্থানগুলি লিখতে হবে তা চয়ন করে একটি ক্রম তৈরি করে। সাধারণ আগ্রহের ডোমেনের জন্য (পিক্সেল, ফোনেম বা শব্দ) টোকেনগুলির মধ্যে একটি অন্তর্নিহিত নির্ভরতা রয়েছে। আমরা দেখাই যে একটি ধাপ প্রশিক্ষণ বন্টনের সাথে মিলিত হয় শুধুমাত্র যখন এটি লিখিত অবস্থানগুলি ইতিমধ্যেই স্থির টোকেনগুলির উপর স্বাধীন শর্তসাপেক্ষ হয়, যে প্রতিটি অবস্থানের জন্য বিতরণের কোনও পণ্য একটি নির্ভরশীল গোষ্ঠীর সাথে মেলে না এবং প্রতিটি অবস্থানের জন্য বিতরণগুলি একটি গোষ্ঠী নির্ভরশীল কিনা তা নির্ধারণ করে না: দুটি যৌথ বন্টন প্রতিটি অবস্থানের জন্য অভিন্ন মার্জিন থাকতে পারে যখন কোন মানগুলির মধ্যে পার্থক্য থাকে। ScanAndAdd-এ, একটি সিন্থেটিক টাস্ক যার যৌথ বন্টন বন্ধ আকারে পাওয়া যায়, আমরা যাচাই করি যে দুই বা ততোধিক অনির্ধারিত অবস্থানের প্রতিটি সেটে একটি লেখার আত্মবিশ্বাসের রেটিং নির্ভরশীল, এবং ফলস্বরূপ বিতরণকে 29 × নমুনা-শব্দ ফ্লোরের মোট বৈচিত্র্য স্কেল করুন যখন প্রতি-নমুনা মেট্রিক্স 1.0।
Leave a Reply