এর অন্তর্ভুক্ত হচ্ছে, পরামিতি এবং গণনার সংখ্যাকে মূল্যায়ন করা এবং সেগুলোকে মূল্যায়ন করা ।

Internet attandigeal পরামিতি

নিউরাল নেটওয়ার্কের মোট পরামিতি তথ্য থেকে শেখার ক্ষমতা নির্ধারণ করে। এনএলপি মডেলে পরামিতির মধ্যে রয়েছে ওজন আর পক্ষপাতিত্ব, যেমন স্যামসাকার, রি ইউনিট, বা রূপান্তরিতার। এই সকল তথ্য নির্ভর করে সময় আর মেমরি ব্যবহার করে।

কমন LLP মডেলে পরামিতি গণনা করা হচ্ছে

সাধারণ ভুমrourual নেটওয়ার্কের জন্য, প্রতিটি স্তরের ওজন ও পক্ষপাতিত্বের মাত্রা গণনা করা যাবে । উদাহরণ: [F] [FO[F], pR[F]] [FR] এবং[FO[L]:L]:[L]] এর জন্য পপ- আপ [F], p[F], 1::[/b], 1.L] [F]] [F[/b]] এর জন্য দীর্ঘ, সর্বোচ্চ, এটি করে, এবং পরবর্তী সংখ্যা: f [/b] [/b]:[/ t\tp]::::::[/b] [/b]] [/b]

শ্রেণী (Cating) গণনা করা হচ্ছে

ব্যাপক হারে খরচ নির্ধারণ করা হয় ভাসমান-পয়েন্ট অপারেশন (এফএলওপি)। এটি পরামিতির সংখ্যা এবং ইনপুট তথ্যের মাপের ওপর নির্ভর করে। আরো বড় মডেল দরকার আরো বেশী ফ্লাপ, প্রশিক্ষণ এবং সময় সীমা নির্ধারণের জন্য।

  • স্তরের সংখ্যা
  • আড়াল করার স্তর
  • ক্রমপর্যায়
  • অ্যাকশেশন