একটি আর্টিফিশিয়াল নিউরাল নেটওয়ার্ক হল বায়োলজিক্যাল নিউরাল নেটওয়ার্কের ফাংশনগুলোর ওপর ভিত্তি করে একটি সিস্টেম। এটি একটি বায়োলজিক্যাল নিউরাল সিস্টেমের সিমুলেশন। আর্টিফিশিয়াল নিউরাল নেটওয়ার্কের বৈশিষ্ট্য হল এতে অনেক স্ট্রাকচার রয়েছে, যেগুলো বিভিন্ন অ্যালগরিদম পদ্ধতি চায়, কিন্তু জটিল সিস্টেম হলে অ một নিউরাল নেটওয়ার্ক সহজ।
এই নেটওয়ার্কগুলো ডায়रेक्टরের টুলবক্সে নির্দিষ্ট সিগন্যাল-প্রসেসিং সায়েন্সগুলোর মধ্যে রয়েছে। এলাকাটি ব্যাপকভাবে ইন্টারডিসিপ্লিনারি, কিন্তু এই টেকনিক エンজিনিয়ারিং দৃষ্টিভঙ্গিতে সীমাবদ্ধ থাকবে।
ইনপুট/আউটপুট ট্রেনিং ডেটা নিউরাল নেটওয়ার্ক টেকনোলজিতে অতিআবশ্যক কারণ সেগুলো অপ্টিমাল অপারেটিং পয়েন্ট "খুঁজে বের করার" জন্য অতिआবশ্যক রেকর্ড প্রেরণ করে। নিউরাল নেটওয়ার্ক প্রসেসিং এলিমেন্টস (PEs) এর নন-লিনিয়ার বৈশিষ্ট্যগুলো সিস্টেমকে বহু.Adapteribility দেয় যেন প্রায় যেকোনো ডিজায়ারড ইনপুট/আউটপুট ম্যাপ অর্জন করা যায়, অর্থাৎ কিছু আর্টিফিশিয়াল নিউরাল নেটওয়ার্ক ব্রড ম্যাপমেকার।
ইনপুট নিউরাল নেটওয়ার্কে প্রেজেন্ট করা হয় এবং একই ডিজায়ারড বা টার্গেট রেসপন্স আউটপুটে সেট করা হয় (যখন এই পদ্ধতিতে ট্রেনিং করা হয় তখন এটিকে সুপারভাইজড বলা হয়)।
একটি এরর গঠিত হয় ক্যাপচারড রেসপন্স এবং সিস্টেম আউটপুটের পার্থক্য থেকে। এই এরর রেকর্ড সিস্টেমে ফিরে পাঠানো হয় এবং কনসিস্টেন্টলি সিস্টেম প্যারামিটার ম্যানেজ করে (লার্নিং রুল)। প্রসেসটি রিপিট হয় যতক্ষণ না পারফরম্যান্স ইফিশিয়েন্ট হয়। এই রিপ্রেজেন্টেশন থেকে মুক্ত যে পারফরম্যান্স গভীরভাবে ইনফরমেশনের ওপর নির্ভরশীল।
আর্টিফিশিয়াল নিউরাল নেটওয়ার্কের বৈশিষ্ট্য
কমপক্ষে একটি হিডেন লেয়ারवाले মাল্টিলেয়ার নিউরাল নেটওয়ার্ক ইউনিভার্সাল অ্যাপ্রক্সিমেটর। এটি কিছু টার্গেট ফাংশন অ্যাপ্রক্সিমেট করতে ব্যবহার করা যেতে পারে। কারণ একটি ANN-এর খুব এক্সপ্রেসিভ হাইপোথিসিস স্পেস রয়েছে, একটি দিয়ে गये প্রোব্লেমের জন্য উপযুক্ত নেটওয়ার্ক টপোলজি সিলেক্ট করা অতিআবশ্যক মডেল ওভারফিটিং প্রতিরোধ করতে।
ANN রিডান্ডান্ট ফিচার হ্যান্ডেল করতে পারে কারণ ওয়েটগুলো ট্রেনিং ফেজে অবশ্যই শেখা হয়। রিডান্ডান্ট ফিচারের ওয়েটগুলো ছোট হয়ে যাওয়া টেন্ড করে।
নিউরাল নেটওয়ার্ক ট্রেনিং ইনফরমেশনে নয়েজের উপস্থিতির প্রতি সংবেদনশীল। নয়েজ হ্যান্ডেল করার একটি পদ্ধতি হল একটি ভ্যালিডেশন সেট ব্যবহার করা মডেলের জেনারালাইজেশন এরর ডিটারমাইন করতে। আরেকটি পদ্ধতি হল প্রতিটি ইটারেশনে ওয়েট কিছু ফ্যাক্টর দ্বারা কমাতে।
গ্রেডিয়েন্ট ডিসেন্ট পদ্ধতি ANN-এর ওয়েট লার্ন করতে ব্যবহৃত হয় কিছু লোকাল মিনিমামে কনভার্জ করার জন্য। লোকাল মিনিমাম থেকে বের হওয়ার একটি উপায় হল ওয়েট আপডেট ফর্মুলায় একটি মোমেন্টাম টার্ম ইনসার্ট করা।
একটি ANN ট্রেন করা একটি স্লো প্রসেস, বিশেষ করে যখন হিডেন নোডের সংখ্যা বেশি। যাই হোক, টেস্ট ইনস্ট্যান্স ইনক্রিমেন্টালি ক্লাসিফাই করা যেতে পারে।
