Table of Contents
প্রাথমিক পর্যায়ে প্রাথমিক সূত্রগুলো মূলত অতিরঞ্জন নেটওয়ার্কের মাধ্যমে শেখা যেত । এটি নির্ধারণ ও ফলাফলের ওপর ভিত্তি করে ভুল ওজনের ওপর ভিত্তি করে নেটওয়ার্কের শেখাকে দূর করতে পারে ।
অদৃষ্টবাদের যুক্তি
এই প্রক্রিয়া ইনপুট স্তর থেকে উল্টো করে উল্টো করা ত্রুটির পরিমাণকে কমিয়ে আনার জন্য ব্যবহার করে ।
সঠিক পদক্ষেপ
- [[[[[[F]]] শেষ:[FO][FR][FO] উল্লেখকৃত আউটপুটের জন্য নেটওয়ার্কের ফলাফল গণনা করা হয়।
- [[F] [FO] CLAYOPL] :[FLT] ভবিষ্যদ্বাণী এবং প্রকৃত মান অনুযায়ী পার্থক্য পরিমাপ করা হয়।
- [[F] বিপরীত দিশায় চিহ্নিত মান:[FLT][FLT][FLT] ত্রুটি গণনা করা হয়েছে ।
- [[F] গুরুত্বের মাত্রা:[[F][FLT], গণনা] গণনা করে গণনা করুন ।
কোডে অপূর্ণ অনুবাদ
সাধারণত, টেসরলো অথবা পিতোরের মতো কাঠামোগুলো এই প্রক্রিয়ার বেশির ভাগটাই দায়ী কিন্তু এর গুরুত্ব বুঝতে সাহায্য করে যে, এগুলো নিয়মিত প্রশিক্ষণ দেওয়ার জন্য কাজে সাহায্য করে ।
নমুনা কোডতা
একটি একক-রঠীর নেটওয়ার্ক জন্য পাইথনে ব্যাক- এন্ডোগিং এর একটি সহজ উদাহরণ নীচে দেয়া হল:
[[[[[[[F]][FLT]] এই উদাহরণ শিক্ষা উদ্দেশ্যের জন্য এবং অনেক ব্যবহারিক বিবেচনার বিষয় ।
[F][F][E][F]][E]][Fed [F]] [F]]], এবং ডাটা [FO [F]]: [F], [FO[F],]]] [F], প্রথম@ [F], প্রথম.এফ.এফ.এফ.টি.পি.বি.বি.এফ.পি.]: [/কো.এফ]]: [title]], p [F]]]