এই প্রবন্ধটি সেই প্রক্রিয়াকে এগিয়ে নিয়ে যাওয়ার ক্ষেত্রে একটি মৌলিক অ্যালগরিদম হিসেবে ব্যবহার করা হয়েছে, যা কিনা গভীর নিউরাল নেটওয়ার্ক প্রশিক্ষণে ব্যবহার করা হয়েছে। এর সাথে নেটওয়ার্কের প্রতিটি ওজনের প্রতি গুরুত্বের সঙ্গে জড়িত ক্ষতিকে নির্দেশ করে। এই প্রতিবেদনটি সেই অসঙ্গতিগুলোকে সংশোধন করে যা পেছনের প্রক্রিয়াকে তুলে ধরে, যা একটি গভীর প্রশিক্ষণয় যুক্ত এবং একটি গভীর নেটওয়ার্কের উপর মনোযোগ প্রদান করে। এই প্রক্রিয়ার উপর ভিত্তি করে একটি গভীর প্রশিক্ষণের উপর মনোযোগ প্রদান করে, যা কিনা একটি গভীর প্রশিক্ষণ কার্যক্রম চালিয়ে যাওয়া।

সামনে

প্রক্রিয়া শুরু হয় একটি নির্দিষ্ট মেয়াদের মধ্যে, যেখানে ইনপুট তথ্য নেটওয়ার্ক দ্বারা চালিত হয় । প্রত্যেক নিউরোক্টিভেশনের একটি ওজন সমান, এবং একটি সক্রিয়করণ ফাংশন যোগ করে । প্রতিটি স্তর শেষ হওয়ার আগে পর্যন্ত চূড়ান্ত গণনা করা হবে ।

ক্যালকুলেটর

নেটওয়ার্ক যখন একটি ফলাফল উৎপন্ন করে, ফলাফল এবং প্রকৃত লেবেলের মধ্যে পার্থক্য পরিমাপ করার সময় হার পরিমাপ করা হয়। সাধারণ ফাংশনের মধ্যে রয়েছে মিন স্কয়ার ত্রুটি এবং ক্রস-এনট্রোপি। এর লক্ষ্য হচ্ছে ওজনের পরিবর্তন থেকে হ্রাস করা।

বিপরীত পাস (ক): গ্রেডিয়েন্টের মান পরিবর্তন (০)

এই ধরনের পরিবর্তনগুলোকে আরও গুরুতর বলে মনে হয়, কারণ এটা হচ্ছে “অল্পবয়সী ” অথবা“ অকালে ” অথবা “প্রতিটি স্তর । ”

প্রত্যেক নিউরোনাইটের জন্য, সক্রিয়করণের প্রক্রিয়াকে বৃদ্ধি করার সঙ্গে সঙ্গে ভুলের পরিমাণকে বৃদ্ধি করে ।

খ- বস্তু আপডেট করা হচ্ছে

গণনাকৃত গণনা পদ্ধতি ব্যবহার করে, গণনাকৃত ওজনকে সাধারণত গণনা করা হয় ।

কি ধাপের পূর্বে সারসংক্ষেপ

  • গণনা করার জন্য একটি দীর্ঘ মেয়াদ গণনা।
  • ভবিষ্যৎ‌য়ের মধ্যে ও প্রকৃত লেবেলের মধ্যবর্তী মান গণনা করা হবে।
  • আউটপুটের স্তর থেকে আরম্ভ করার সময় সমস্যা দেখা দিয়েছে।
  • প্রতিটি ওজন ও অসমতার জন্য গণনা করো ।
  • গ্রেডিয়েন্টের নিচে অবস্থানরত ওজনের তথ্য আপডেট করো।