ব্যাকপ্রোপ্যাগেশন পুরো প্রক্রিয়াটিকে সংজ্ঞায়িত করে যা গ্রেডিয়েন্টের গণনা এবং স্টোকাস্টিক গ্রেডিয়েন্ট ডিসেন্টে এর প্রয়োজনীয়তা উভয়ই অন্তর্ভুক্ত করে। প্রযুক্তিগতভাবে, নেটওয়ার্কের পরিবর্তনযোগ্য ওজন সম্পর্কিত নেটওয়ার্কের ত্রুটির গ্রেডিয়েন্ট গণনা করতে ব্যাকপ্রোপগেশন ব্যবহার করা হয়।
Backpropagation এর বৈশিষ্ট্য হল পুনরাবৃত্তিমূলক, পুনরাবৃত্তিমূলক এবং কার্যকরী পদ্ধতি যার মাধ্যমে এটি নেটওয়ার্ক বৃদ্ধির জন্য আপডেট করা ওজন গণনা করে যতক্ষণ না এটি যে পরিষেবার জন্য প্রশিক্ষণ দেওয়া হচ্ছে তা বাস্তবায়ন করতে সক্ষম না হয়। নেটওয়ার্ক ডিজাইনের সময়ে পরিচিত অ্যাক্টিভেশন পরিষেবার ডেরিভেটিভগুলি ব্যাকপ্রোপগেশনের জন্য প্রয়োজন৷
ব্যাকপ্রোপগেশন ব্যাপকভাবে নিউরাল নেটওয়ার্ক প্রশিক্ষণে ব্যবহৃত হয় এবং নেটওয়ার্কের ওজনের জন্য ক্ষতির ফাংশন গণনা করে। একটি মাল্টি-লেয়ার নিউরাল নেটওয়ার্ক সহ এর পরিষেবা এবং ইনপুট-আউটপুট ম্যাপিংয়ের অভ্যন্তরীণ বিবরণ আবিষ্কার করে৷
এটি কৃত্রিম নেটওয়ার্ক প্রশিক্ষণের একটি আদর্শ রূপ, যা নেটওয়ার্কের সমস্ত ওজন সম্পর্কিত গ্রেডিয়েন্ট লস ফাংশন কম্পিউটিং সমর্থন করে। ব্যাকপ্রোপগেশন অ্যালগরিদম একটি চেইন নিয়ম পদ্ধতির মাধ্যমে একটি নিউরাল নেটওয়ার্ককে আরও কার্যকরভাবে প্রশিক্ষণ দিতে ব্যবহৃত হয়।
এই গ্রেডিয়েন্টটি একটি সাধারণ স্টোকাস্টিক গ্রেডিয়েন্ট ডিসেন্ট অ্যালগরিদমে ব্যবহার করা হয় ওজন খুঁজে বের করতে যা ত্রুটি কমিয়ে দেয়। ত্রুটিটি আউটপুট নোড থেকে ভিতরের নোডগুলিতে পিছনের দিকে প্রচারিত হয়৷
ব্যাকপ্রপাগেশনের প্রশিক্ষণ অ্যালগরিদম চারটি পর্যায় জড়িত যা নিম্নরূপ -
-
ওজন শুরু − কিছু ছোট এলোমেলো মান বরাদ্দ করা আছে।
-
ফিড-ফরোয়ার্ড − প্রতিটি ইউনিট X একটি ইনপুট সংকেত পায় এবং প্রতিটি লুকানো ইউনিট Z1-এ এই সংকেত প্রেরণ করে , Z2 ,... Zn . প্রতিটি লুকানো ইউনিট সক্রিয়করণ ফাংশন গণনা করে এবং তার সংকেত পাঠায় Z1 প্রতিটি আউটপুট ইউনিটে। আউটপুট ইউনিট প্রদত্ত ইনপুট প্যাটার্নের প্রতিক্রিয়া তৈরি করতে সক্রিয়করণ ফাংশন গণনা করে।
-
ত্রুটির পিছনে প্রচার − প্রতিটি আউটপুট ইউনিট সক্রিয়করণ Yk তুলনা করে লক্ষ্য মান Tk সহ সেই ইউনিটের জন্য সংশ্লিষ্ট ত্রুটি নির্ধারণ করতে। এটি ত্রুটির উপর ভিত্তি করে, ফ্যাক্টর $\delta$k (K =1, ... . m) গণনা করা হয় এবং Yk আউটপুট ইউনিটে ত্রুটি বিতরণ করতে ব্যবহৃত হয় পূর্ববর্তী স্তরের সমস্ত ইউনিটে ফিরে যান। একইভাবে ফ্যাক্টর $\delta$j (j =1, .... p) প্রতিটি লুকানো একক Zj এর জন্য তুলনা করা হয় .
-
এটি ওজন এবং পক্ষপাত আপডেট করতে পারে৷
ব্যাকপ্রোপাগেশনের প্রকারগুলি
ব্যাকপ্রোপগেশন দুই প্রকার যা নিম্নরূপ -
স্ট্যাটিক ব্যাক প্রচার − এই ধরনের ব্যাকপ্রোপাগেশনে, স্ট্যাটিক ইনপুট ম্যাপিংয়ের কারণে স্ট্যাটিক আউটপুট তৈরি হয়। এটি অপটিক্যাল ক্যারেক্টার রিকগনিশনের মতো স্ট্যাটিক শ্রেণীবিভাগ সমস্যা সমাধান করতে ব্যবহৃত হয়।
পুনরাবৃত্ত ব্যাকপ্রপাগেশন − পুনরাবৃত্ত প্রচার একটি নির্দিষ্ট নির্ধারিত মান বা থ্রেশহোল্ড মান অর্জিত না হওয়া পর্যন্ত এগিয়ে বা নির্দেশিত হয়। নির্দিষ্ট মানের পরে, ত্রুটিটি মূল্যায়ন করা হয় এবং পিছনে প্রচার করা হয়।
