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 মেথড চায়, কিন্তু জটিল সিস্টেম হলেও একটি নিউরাল নেটওয়ার্ক সহজ।
এই নেটওয়ার্কগুলো ডায়রেক্টরের টুলবক্সে নির্দিষ্ট সিগন্যাল-প্রসেসিং সায়েন্সগুলোর মধ্যে রয়েছে। এলাকাটি ব্যাপকভাবে ইন্টারডিসিপ্লিনারি, কিন্তু এই অ্যাপ্রোচ エンজিনিয়ারিং পারস্পেক্টিভে সীমাবদ্ধ থাকবে।
এনজিনিয়ারিং-এ, নিউরাল নেটওয়ার্ক দুটি অতिआবশ্যক ফাংশন উৎপন্ন করে: প্যাটার্ন ক্লাসিফায়ার এবং নন-লিনিয়ার অ্যাডাপ্টিভ ফিল্টার। একটি আর্টিফিশিয়াল নিউরাল নেটওয়ার্ক ডাইনামিক, এটি একটি নন-লিনিয়ার সিস্টেম প্রদান করে যা ডেটা থেকে একটি ফাংশন (একটি ইনপুট/আউটপুট ম্যাপ) এক্সিকিউট করতে শিখে। অ্যাডাপ্টিভ মানে সিস্টেম প্যারামিটার অপারেশনের সময় পরিবর্তিত হয়, যাকে প্রায়শই ট্রেনিং ফেজ বলা হয়।
ট্রেনিং ফেজের পর, আর্টিফিশিয়াল নিউরাল নেটওয়ার্ক প্যারামিটার ফিক্সড হয়ে যায় এবং সিস্টেম হাতের সমস্যা সমাধান করতে শুরু করে (টেস্টিং ফেজ)। আর্টিফিশিয়াল নিউরাল নেটওয়ার্ক একটি সিস্টেমেটিক স্টেপ-বাই-স্টেপ প্রসিডিউর দিয়ে প্রোডিউস করা হয় একটি পারফরম্যান্স টেস্ট উন্নত করতে বা কিছু নির্দিষ্ট ইন্টারন্যাল কনস্ট্রেইন্ট ফলো করতে, যেটি সাধারণত লার্নিং রুল হিসেবে বর্ণনা করা হয়।
ডিজাইন ইস্যুগুলো যেগুলো বিবেচনা করা উচিত
ইনপুট লেয়ারের নোডের সংখ্যা নির্ধারণ করা দরকার। প্রতিটি ম্যাথেম্যাটিক্যাল বা বাইনারি ইনপুট ভেরিয়েবলের জন্য একটি ইনপুট নোড তৈরি করা যেতে পারে। যদি ইনপুট ভেরিয়েবল ক্যাটাগরিক্যাল হয়, তবে প্রতিটি ক্যাটাগরিক্যাল ভ্যালুর জন্য একটি নোড তৈরি করা যেতে পারে অথবা k-ary ভেরিয়েবলকে [log2k] ইনপুট নোড দিয়ে এনকোড করা যেতে পারে।
আউটপুট লেয়ারের নোডের সংখ্যা নির্ধারণ করা দরকার। একটি টু-ক্লাস প্রোব্লেমের জন্য, একটি একক আউটপুট নোড পর্যাপ্ত। একটি k-ক্লাস প্রোব্লেমের জন্য, k আউটপুট নোড থাকে।
নেটওয়ার্ক টপোলজি যেমন হিডেন লেয়ার ও হিডেন নোডের সংখ্যা, এবং ফিড-ফরওয়ার্ড বা রিকারেন্ট নেটওয়ার্ক স্ট্রাকচার সিলেক্ট করা উচিত। টার্গেট ফাংশন ডেসক্রিপশন বেসড থাকে কানেকশনের ওয়েট, হিডেন নোড ও হিডেন লেয়ার সংখ্যা, নোডে বায়াস, এবং অ্যাক্টিভেশন ফাংশনের টাইপ। সঠিক টপোলজি খুঁজে বের করা সহজ কাজ নয়।
একটি পদ্ধতি হল একটি ফুলি কানেক্টেড নেটওয়ার্ক থেকে শুরু করা পর্যাপ্ত বড় সংখ্যক নোড এবং হিডেন লেয়ারসহ, এবং তারপর কম সংখ্যক নোড দিয়ে মডেল-বিল্ডিং স্ট্রাকচার রিপিট করা। এই পদ্ধতি মডারেট হতে পারে। বিকল্পভাবে, মডেল-বিল্ডিং স্ট্রাকচার রিপিট করার বদলে, কিছু নোড ডিলেট করা যেতে পারে এবং সঠিক মডেল কমপ্লেক্সিটি সিলেক্ট করতে মডেল ইভ্যালুয়েশন প্রসেস রিপিট করা যেতে পারে।
ওয়েট এবং বায়াস ইনিশিয়ালাইজ করা উচিত। র্যান্ডম অ্যাসাইনমেন্ট সাধারণত পর্যাপ্ত।
মিসিং ভ্যালুযুক্ত ট্রেনিং ইনস্ট্যান্স ডিলেট বা সবচেয়ে সম্ভাব্য ভ্যালু দিয়ে রিপ্লেস করা উচিত।
