একটি নিউরাল নেটওয়ার্ক হলো অ্যালগরিদমের একটি সিরিজ যা রেকর্ডের একটি সেটে মৌলিক সম্পর্কগুলো চিনতে চেষ্টা করে একটি প্রক্রিয়া দিয়ে যা মানব মস্তিষ্কের কাজ করার পদ্ধতিকে অনুকরণ করে। এই পদ্ধতিতে, নিউরাল নেটওয়ার্ক নিউরনের সিস্টেমকে নির্দেশ করে, যেগুলো যেতে পারে অর্গানিক বা আর্টিফিশিয়াল।
নিউরাল নেটওয়ার্ক হলো অ্যানালিটিক্যাল কৌশল যা কগনিটিভ সিস্টেমে লার্নিং-এর (অনুমানিত) প্রসেস এবং মস্তিষ্কের নিউরোলজিক্যাল ফাংশন অনুকরণ করে তৈরি, এবং বিদ্যমান তথ্য থেকে সো-কলড "লার্নিং" প্রসেস বাস্তবায়ন করে নতুন অবজারভেশন (নির্দিষ্ট ভেরিয়েবলে) প্রেডিক্ট করতে সক্ষম অন্যান্য অবজারভেশন থেকে। নিউরাল নেটওয়ার্ক ডেটা মাইনিং কৌশলের একটি।
প্রথম ধাপ হলো একটি নির্দিষ্ট নেটওয়ার্ক আর্কিটেকচার ডিজাইন করা (যাতে একটি নির্দিষ্ট সংখ্যক "লেয়ার" থাকে যারা প্রতিটি একটি নির্দিষ্ট সংখ্যক "নিউরন" ধারণ করে)। নেটওয়ার্কের আকার ও কাঠামোחו التحقيق করা উচিত অনুসন্ধান করা ফেনোমেননের প্রকৃতি (যেমন ফরম্যাল কমপ্লেক্সিটি) এর সাথে মিল রাখতে। যেহেতু পরবর্তীটা এই اولیه стаジアムে খুব ভালোভাবে জানা নেই, এই টাস্ক সহজ নয় এবং প্রায়শই একাধিক "ট্রায়াল অ্যান্ড এরর" জড়িত।
নতুন নেটওয়ার্ককে তারপর "ট্রেনিং" প্রসেসের অধীন করা হয়। এই ফেজে, নিউরনগুলো ইনপুট (ভেরিয়েবল) সংখ্যার ওপর একটি ইটেরেটিভ প্রসেস প্রয়োগ করে নেটওয়ার্কের ওয়েট সমায়োজন করে যাতে স্যাম্পল ডেটা (যections "ট্রেনিং" করা হয়) কে অপ্টিমালি প্রেডিক্ট করা যায় (ট্র্যাডিশনাল টার্মে বললে, স্যাম্পল ডেটার সাথে একটি "ফিট" খুঁজে বের করা)। এক্সিস্টিং ডেটা সেট থেকে লার্নিং ফেজ শেষ হলে, নতুন নেটওয়ার্ক প্রস্তুত হয় এবং তখন এটি প্রেডিকশন জেনারেট করতে ব্যবহার করা যায়।
নিউরাল নেটওয়ার্ক গত কয়েক বছরে আগ্রহের একটি বাড়োতর আওতা পেয়েছে, এবং অসাধারণ পরিসরের প্রব্লেম ডোমেনে সফলভাবে ব্যবহৃত হচ্ছে, যেগুলো যেন ফাইন্যান্স, মেডিসিন, ইঞ্জিনিয়ারিং, জিওলজি, এবং ফিজিক্স। নিউরাল নেটওয়ার্কের দুটি উপাদান রয়েছে:
ক্ষমতা (Power)
নিউরাল নেটওয়ার্ক খুব উন্নত মডেলিং কৌশল যা অত্যন্ত জটিল ফাংশন মডেল করতে সক্ষম। বিশেষ করে, নিউরাল নেটওয়ার্ক নন-লিনিয়ার। অনেক বছর ধরে লিনিয়ার মডেলিং অধিকাংশ মডেলিং ডোমেনে सर्वাধিক ব্যবহৃত পদ্ধতি ছিল কারণ লিনিয়ার মডেলের সুপরিচিত অপ্টিমাইজেশন স্ট্র্যাটেজি রয়েছে।
ব্যবহারের সহজতা (Ease of Use)
নিউরাল নেটওয়ার্ক উদাহরণ দিয়ে শেখে। নিউরাল নেটওয়ার্ক ব্যবহারকারী প্রতিনিধিত্বমূলক ডেটা সংগ্রহ করে এবং তারপর ট্রেনিং অ্যালগরिदম আহ্বান করে ডেটার কাঠামো স্বয়ংক্রিয়ভাবে শিখতে।
যদিও ব্যবহারকারীকে কিছু হিউরিস্টিক নলেজ থাকতে হয় কিভাবে ডেটা বেছে নেওয়া ও প্রস্তুত করা, কিভাবে উপযুক্ত নিউরাল নেটওয়ার্ক বেছে নেওয়া, এবং কিভাবে ফলাফল ব্যাখ্যা করা, নিউরাল নেটওয়ার্ক সফলভাবে ব্যবহার করার জন্য প্রয়োজনীয় ব্যবহারকারী জ্ঞান এর স্তর অনেক কম যা অন্য কিছু ট্র্যাডিশনাল নন-লিনিয়ার স্ট্যাটিস্টিক্যাল মেথডের কেসে থাকতে।
