ব্যাকপ্রোপ্যাগেশন গ্রেডিয়েন্টের গণনা এবং স্টোকাস্টিক গ্রেডিয়েন্ট ডিসেন্টে এর প্রয়োজনীয়তা উভয়কে অন্তর্ভুক্ত করে পুরো পদ্ধতিটিকে সংজ্ঞায়িত করে। প্রযুক্তিগতভাবে, নেটওয়ার্কের পরিবর্তনযোগ্য ওজনের সাথে সম্পর্কিত নেটওয়ার্কের ত্রুটির গ্রেডিয়েন্ট গণনা করতে ব্যাকপ্রোপগেশন ব্যবহার করা হয়।
Backpropagation এর বৈশিষ্ট্য হল পুনরাবৃত্তিমূলক, পুনরাবৃত্তিমূলক এবং কার্যকর পদ্ধতি যার মাধ্যমে এটি নেটওয়ার্ক উন্নত করার জন্য আপডেট করা ওজন গণনা করে যতক্ষণ না এটি যে ফাংশনটির জন্য এটিকে প্রশিক্ষণ দেওয়া হচ্ছে তা সম্পাদন করতে না পারে। ওয়েব ডিজাইনের সময়ে পরিচিত অ্যাক্টিভেশন পরিষেবার ডেরিভেটিভগুলি ব্যাকপ্রোপগেশনের জন্য প্রয়োজন৷
ব্যাকপ্রোপগেশন সাধারণত নিউরাল নেটওয়ার্ক প্রশিক্ষণে ব্যবহৃত হয় এবং নেটওয়ার্কের ওজন সংক্রান্ত ক্ষতির কার্যকারিতা গণনা করে। এটি একটি মাল্টি-লেয়ার নিউরাল নেটওয়ার্কের সাথে কাজ করে এবং ইনপুট-আউটপুট ম্যাপিংয়ের অভ্যন্তরীণ উপস্থাপনা পর্যবেক্ষণ করে।
এটি কৃত্রিম নেটওয়ার্ক প্রশিক্ষণের একটি আদর্শ রূপ, যা নেটওয়ার্কের সমস্ত ওজনের সাথে গ্রেডিয়েন্ট লস ফাংশন গণনা করতে সহায়তা করে। ব্যাকপ্রপাগেশন অ্যালগরিদম একটি চেইন নিয়ম পদ্ধতির মাধ্যমে একটি নিউরাল নেটওয়ার্ককে আরও কার্যকরভাবে প্রশিক্ষণ দিতে ব্যবহৃত হয়। এটি প্রতিটি ফরোয়ার্ডের পরে সংজ্ঞায়িত করে, ব্যাকপ্রোপগেশন মডেলের আর্গুমেন্ট সামঞ্জস্য করে একটি ওয়েবের মাধ্যমে ব্যাকওয়ার্ড পাস প্রয়োগ করে৷
এই গ্রেডিয়েন্টটি সহজ 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
Backpropagation বোঝা যায় পুনরাবৃত্তিমূলকভাবে প্রশিক্ষণ টিপলের একটি ডেটা সংগ্রহ প্রক্রিয়াকরণ করে, প্রতিটি টিপলের জন্য নেটওয়ার্কের সূচককে প্রকৃত পরিচিত লক্ষ্য মানের সাথে তুলনা করে। টার্গেট মান হতে পারে ট্রেনিং টিপলের পরিচিত ক্লাস লেবেল (শ্রেণীবিন্যাস সংক্রান্ত সমস্যাগুলির জন্য) বা একটি অবিচ্ছিন্ন মান (পূর্বাভাসের জন্য)।
প্রতিটি প্রশিক্ষণ টিপলের জন্য, ওজনগুলি পরিবর্তন করা হয় যাতে নেটওয়ার্কের পূর্বাভাস এবং প্রকৃত লক্ষ্য মানের মধ্যে গড় বর্গক্ষেত্র ত্রুটি কমিয়ে আনা যায়। এই পরিবর্তনগুলি "পিছন দিকে" দিকে তৈরি করা হয়, অর্থাৎ, আউটপুট স্তর থেকে, প্রতিটি লুকানো স্তরের মধ্য দিয়ে প্রথম লুকানো স্তর পর্যন্ত (অতএব নাম ব্যাকপ্রপাগেশন)। যদিও এটি সুরক্ষিত নয়, সাধারণভাবে ওজনগুলি অবশেষে একত্রিত হবে এবং শেখার প্রক্রিয়া শেষ হবে৷
ব্যাকপ্রোপাগেশনের প্রকারগুলি
ব্যাক প্রোপাগেশন দুই প্রকার যা নিম্নরূপ -
স্ট্যাটিক ব্যাক প্রচার − এই ধরনের ব্যাকপ্রোপাগেশনে, স্ট্যাটিক ইনপুট ম্যাপিংয়ের কারণে স্ট্যাটিক আউটপুট তৈরি হয়। এটি অপটিক্যাল ক্যারেক্টার রিকগনিশনের মতো স্ট্যাটিক ক্লাসিফিকেশন সমস্যা সমাধান করতে পারে।
পুনরাবৃত্ত ব্যাকপ্রপাগেশন - পুনরাবৃত্ত প্রচার একটি নির্দিষ্ট নির্ধারিত মান বা থ্রেশহোল্ড মান পৌঁছানো পর্যন্ত এগিয়ে বা পরিচালিত হয়। নির্দিষ্ট মানের পরে, বাগ গণনা করা হয় এবং পিছনের দিকে প্রচার করা হয়।
