একটি আর্টিফিশিয়াল নিউরাল নেটওয়ার্ক হলো একটি সিস্টেম যা বায়োলজিক্যাল নিউরাল নেটওয়ার্কের সার্ভিসের ওপর ভিত্তি করে। এটি একটি বায়োলজিক্যাল নিউরাল সিস্টেমের সিমুলেশন। আর্টিফিশিয়াল নিউরাল নেটওয়ার্কের বৈশিষ্ট্য হলো একাধিক আর্কিটেকচার রয়েছে, যা ফলশ্রুত একাধিক অ্যালগরিদম মেথড দরকার, কিন্তু জটিল সিস্টেম হওয়া সত্ত্বেও, একটি নিউরাল নেটওয়ার্ক প্রায় সিম্পল।
এই নেটওয়ার্কগুলো ডিরেক্টরের টুলবক্সের অনন্য সিগন্যাল-প্রসেসিং টেকনোলজির মধ্যে। ফিল্ডটি অত্যন্ত ইন্টারডিসিপ্লিনারি, কিন্তু এই পদ্ধতি إنজিনিয়ারিং আউटलুক-এ সীমাবদ্ধ থাকবে।
ইনজিনিয়ারিং-এ, নিউরাল নেটওয়ার্ক দুটি গুরুত্বপূর্ণ ফাংশন প্রদান করে: প্যাটার্ন ক্লাসিফায়ার হিসেবে এবং নন-লিনিয়ার অ্যাডাপ্টিভ ফিল্টার হিসেবে। একটি আর্টিফিশিয়াল নিউরাল নেটওয়ার্ক একটি ফ্লেক্সিবল, অধিকাংশ সময় নন-লিনিয়ার সিস্টেম যা ডেটা থেকে একটি ফাংশন (একটি ইনপুট/আউটপুট ম্যাপ) লার্ন করে বাস্তবায়ন করতে। অ্যাডাপ্টিভ বলতে সিস্টেম প্যারামিটার অপারেশন চলাকালীন পরিবর্তিত হয়, সাধারণত যেটিকে ট্রেনিং ফেজ বলা হয়।
ট্রেনিং ফেজের পর, আর্টিফিশিয়াল নিউরাল নেটওয়ার্ক প্যারামিটারগুলো কনস্ট্যান্ট হয় এবং সিস্টেম হাতের সমস্যা সমাধান করার জন্য সেট আপ হয় (টেস্টিং ফেজ)। আর্টিফিশিয়াল নিউরাল নেটওয়ার্ক একটি সিস্টেমেটিক স্টেপ-বাই-স্টেপ ফেজ দিয়ে ডেভেলপ করা হয় পারফরম্যান্স টেস্ট বেড়াতে বা কিছু ইমপ্লিসিট ইন্টারনাল কনস্ট্রেইন্ট ফলো করতে, যেটি সাধারণত লার্নিং রুল হিসেবে সংজ্ঞায়িত হয়।
ইনপুট/আউটপুট ট্রেনিং ডেটা নিউরাল নেটওয়ার্ক টেকনোলজিতে মৌলিক কারণ সেগুলো গুরুত্বপূর্ণ ইনফরমেশন বহন করে "ডিসকভার" করার জন্য অপ্টিমাল অপারেটিং পয়েন্ট। নিউরাল নেটওয়ার্ক প্রসেসিং এলিমেন্টস (PEs)-র নন-লিনিয়ার বৈশিষ্ট্য সিস্টেমকে অনেক অ্যাডাপ্টিবিলিটি দেয় প্রায় যেকোনো ডিজায়ারড ইনপুট/আউটপুট ম্যাপ পাওয়ার জন্য, অর্থাৎ, কিছু আর্টিফিশিয়াল নিউরাল নেটওয়ার্ক এক্সটেন্সিভ ম্যাপমেকার।
একটি ইনপুট নিউরাল নেটওয়ার্কে প্রদর্শিত হয় এবং একটি সমতুল্য ডিজায়ারড বা টার্গেট রেসপন্স আউটপুটে সেট করা হয় (যখন এই কেস হয়, ট্রেনিংকে সুপারভাইজড বলা হয়)। একটি এরর সংগ্রহ করা হয় প্রাপ্ত রেসপন্স এবং সিস্টেম আউটপুটের পার্থক্য থেকে। এই এরর ডেটা সিস্টেমে ফিরিয়ে পাঠানো হয় এবং সিস্টেমেটিক্যালি সিস্টেম প্যারামিটার রেগুলেট করা হয় (লার্নিং রুল)। ফেজটি রিপিট করা হয় যতক্ষণ না পারফরম্যান্স അডিকোয়েট হয়। এই ডেফিনিশন থেকে স্পষ্ট যে পারফরম্যান্স ঘনিষ্ঠভাবে ডেটার ওপর নির্ভরশীল।
আর্টিফিশিয়াল নিউরাল নেটওয়ার্কের সুবিধা
একটি নিউরাল নেটওয়ার্ক এমন টাস্ক বাস্তবায়ন করতে পারে যা একটি লিনিয়ার প্রোগ্রাম করতে পারে না।
যখন নিউরাল নেটওয়ার্কের একটি আইটেম ফেলে, এটি এর প্যারালেল বৈশিষ্ট্যের কারণে কোনো সমস্যা ছাড়া চালিয়ে যেতে পারে।
একটি নিউরাল নেটওয়ার্ক লার্ন করে এবং রিপ্রোগ্রাম করার প্রয়োজন নেই।
এটি যেকোনো অ্যাপ্লিকেশনে বাস্তবায়ন করা যায়।
আর্টিফিশিয়াল নিউরাল নেটওয়ার্কের অসুবিধা
নিউরাল নেটওয়ার্ক অপারেট করার জন্য ট্রেনিং দরকার।
একটি নিউরাল নেটওয়ার্কের কাঠামো মাইক্রোপ্রসেসরের কাঠামো থেকে ভিন্ন তাই অনুকরণ করা দরকার।
বড় নিউরাল নেটওয়ার্কের জন্য হাই প্রসেসিং টাইম দরকার।
