ফিড-ফরওয়ার্ড নেটওয়ার্কের জনপ্রিয় টাইপ হল রেডিয়াল বেসিস ফাংশন (RBF) নেটওয়ার্ক। এর দুটি লেয়ার রয়েছে, ইনপুট লেয়ার গণনা না করে, এবং এটি মাল্টিলেয়ার পারসেপট্রন থেকে আলাদা হিডেন ইউনিটগুলো কম্পিউটেশন ইমপ্লিমেন্ট করার পদ্ধতিতে।
RBF নেটওয়ার্কের العاملة原理
প্রতিটি হিডেন ইউনিট মূলত ইনপুট স্পেসের একটি নির্দিষ্ট পয়েন্ট ডিফাইন করে, এবং এর আউটপुट বা অ্যাক্টিভেশন, একটি দেওয়া ইনস্ট্যান্সের জন্য তার পয়েন্ট এবং ইনস্ট্যান্সের মধ্যে দূরত্বের ওপর ভিত্তি করে, যা কেবল একটি অন্য পয়েন্ট। এই দুটি পয়েন্ট যত निकট, অ্যাক্টিভেশন তত বেশি।
এটি একটি নন-লিনিয়ার ট্রান্সফরমেশন ফাংশন ব্যবহার করে ইমপ্লিমেন্ট করা হয় যাতে দূরত্বকে একটি সিমিলারিটি মেজারে রূপান্তর করা যায়। একটি বেল-শেপড গাউসিয়ান অ্যাক্টিভেশন ফাংশন, যার প্রস্থ প্রতিটি হিডেন ইউনিটের জন্য ভিন্ন হতে পারে, সাধারণত এই উদ্দেশ্যে ব্যবহৃত হয়। হিডেন ইউনিটগুলোকেই RBF বলা হয় কারণ ইনস্ট্যান্স স্পেসের যেসব পয়েন্টের জন্য একটি দেওয়া হিডেন ইউনিট একই অ্যাক্টিভেশন তৈরি করে সেগুলো একটি হাইপারস্ফিয়ার বা হাইপারেলিপসয়েড তৈরি করে।
আউটপুট লেয়ার
একটি RBF স্ট্রাকচারের আউটপুট লেয়ার মাল্টিলেয়ার পারসেপট্রনের সাথে সাদৃশ্য - এটি হিডেন ইউনিটের আউটপুটের একটি লিনিয়ার কম্বিনেশন নেয় এবং ক্লাসিফিকেশন সমস্যার ক্ষেত্রে সেটিকে সিগময়েড ফাংশনের মাধ্যমে পাস করে।
যেসব প্যারামিটার এই নেটওয়ার্ক শিখে সেগুলো হল RBF-এর সেন্টার এবং প্রস্থ এবং ওয়েটগুলো যা হিডেন লেয়ার থেকে প্রাপ্ত আউটপুটের লিনিয়ার কম্বিনেশন তৈরি করতে ব্যবহৃত হয়। মাল্টিলেয়ার পারসেপট্রনरों তুলনায় একটি বড় সুবিধা হল প্রথম গ্রুপের প্যারামিটারগুলো দ্বিতীয় গ্রুপ থেকে স্বাধীনভাবে নির্ধারণ করা যায় এবং সঠিক ক্লাসিফায়ার তৈরি করতে পারে।
প্যারামিটার নির্ধারণের পদ্ধতি
প্রথম গ্রুপের প্যারামিটার নির্ধারণের একটি পদ্ধতি হল ক্লাস্টারিং ব্যবহার করা। সিম্পল k-মিনস ক্লাস্টারিং অ্যালগরিদম প্রয়োগ করা যায়, প্রতিটি ক্লাসকে স্বাধীনভাবে ক্লাস্টার করে প্রতিটি ক্লাসের জন্য k-বেসিস ফাংশন প্রাপ্ত করতে।
দ্বিতীয় গ্রুপের প্যারামিটার শিখা হয় প্রথম প্যারামিটারগুলো কনস্ট্যান্ট রেখে। এতে একটি সিম্পল লিনিয়ার ক্লাসিফায়ার শিখা জড়িত থাকে লিনিয়ার বা লজিস্টিক রিগ্রেশন പോ장의 পদ্ধতিগুলোর একটি ব্যবহার করে। যদি ট্রেনিং ইনস্ট্যান্সের চেয়ে হিডেন ইউনিট খুব কম থাকে, তবে এটি দ্রুত করা যায়।
RBF নেটওয়ার্কের সীমাবদ্ধতা
RBF নেটওয়ার্কের সীমাবদ্ধতা হল সেগুলো প্রতিটি অ্যাট্রিবিউটকে একই ওয়েট দেয় কারণ সব দূরত্ব কম্পিউটেশনে সমানভাবে বিবেচিত হয়, যদি না অ্যাট্রিবিউট ওয়েট প্যারামিটার সম্পূর্ণ অপ্টিমাইজেশন প্রক্রিয়ায় অন্তর্ভুক্ত করা হয়।
সেজন্য, সেগুলো অপ্রাসঙ্গিক অ্যাট্রিবিউটের সাথে দক্ষতার সাথে ডিল করতে পারে না, মাল্টিলেয়ার পারসেপট্রনদের বিপরীতে। সাপোর্ট ভেক্টর মেশিনগুলো একই সমস্যা শেয়ার করে। গাউসিয়ান কার্নেলসহ (অর্থাৎ, "RBF কার্নেলস") সাপোর্ট ভেক্টর মেশিন RBF নেটওয়ার্কের একটি নির্দিষ্ট পদ্ধতি, যেখানে প্রতিটি ট্রেনিং ইনস্ট্যান্সের ওপর একটি ফাংশন সেন্টার করা হয়, সব বেসিস ফাংশনের একই প্রস্থ থাকে, এবং আউটপুটগুলো লিনিয়ারলি কম্বাইন করা হয় ম্যাক্সিমাম-মার্জিন হাইপারপ্লেন ক্যালকুলেট করে। এর ফলাফল হল কিছু RBF-এর নন-জিরো ওয়েট থাকে - সেগুলো যা সাপোর্ট ভেক্টর ডিফাইন করে।
