फीड-फॉरवर्ड न्यूरल नेटवर्क
फीड-फॉरवर्ड न्यूरल नेटवर्क सिग्नल को केवल एक दिशा में यात्रा करने की अनुमति देता है, इनपुट से आउटपुट तक। कोई फीडबैक (लूप्स) नहीं होता जैसे कि किसी लेयर का आउटपुट उसी लेयर को प्रभावित नहीं करता। फीड-फॉरवर्ड नेटवर्क सरल नेटवर्क होते हैं जो इनपुट को आउटपुट के साथ जोड़ते हैं। इसका उपयोग पैटर्न पहचान में किया जा सकता है। इस प्रकार के संगठन को बॉटम-अप या टॉप-डाउन के रूप में दर्शाया जाता है।
हिडन लेयर में प्रत्येक यूनिट आमतौर पर इनपुट लेयर में सभी यूनिट्स से पूरी तरह से जुड़ी होती है। चूंकि इस नेटवर्क में मानक यूनिट्स शामिल हैं, हिडन लेयर में यूनिट्स प्रत्येक इनपुट के मूल्य को उसके संबंधित वजन से गुणा करके, इन्हें जोड़कर, और ट्रांसफर फ़ंक्शन लागू करके अपना आउटपुट 계산ते हैं।
एक न्यूरल नेटवर्क में कई हिडन लेयर्स हो सकती हैं, लेकिन आमतौर पर, एक हिडन लेयर पर्याप्त होती है। लेयर जितनी चौड़ी होगी, नेटवर्क की पैटर्न पहचान की क्षमता उतनी अधिक होगी।
दाईं ओर अंतिम यूनिट आउटपुट लेयर है क्योंकि यह न्यूरल नेटवर्क के आउटपुट से जुड़ा होता है। यह हिडन लेयर में सभी यूनिट्स से पूरी तरह से जुड़ा होता है। न्यूरल नेटवर्क का उपयोग आमतौर पर एक एकल मान की गणना के लिए किया जाता है, इसलिए आउटपुट लेयर में केवल एक यूनिट होती है और वह मान।
आउटपुट लेयर में एक से अधिक यूनिट होना संभव है। उदाहरण के लिए, एक डिपार्टमेंट स्टोर चेन को यह पूर्वानुमान लगाने की आवश्यकता थी कि उपयोगकर्ता कई विभागों से उत्पाद खरीदने की संभावना रखते हैं, जिनमें महिलाओं का परिधान, फर्नीचर, और मनोरंजन शामिल हैं। स्टोर्स को प्रचार की योजना बनाने और डायरेक्ट मेलिंग पर ध्यान केंद्रित करने के लिए इस डेटा की आवश्यकता थी।
बैकप्रोपैगेशन और मल्टीलेयर नेटवर्क
बैकप्रोपैगेशन एल्गोरिदम एक मल्टीलेयर फीड-फॉरवर्ड न्यूरल नेटवर्क पर सीखने का प्रदर्शन करता है। इनपुट्स प्रत्येक प्रशिक्षण नमूने के लिए गणना की गई विशेषताओं को उत्तेजित करते हैं। इनपुट्स को यूनिट्स की एक लेयर में फीड किया जाता है जो इनपुट लेयर बनाती है।
इन यूनिट्स के वेटेड आउटपुट्स को न्यूरॉन जैसी यूनिट्स की दूसरी लेयर पर समवर्ती रूप से फीड किया जाता है जिसे हिडन लेयर कहा जाता है। हिडन लेयर का वेटेड आउटपुट कई हिडन लेयर्स आदि के लिए इनपुट हो सकता है। हिडन लेयर्स की संख्या मनमानी है और अक्सर, एक का उपयोग किया जाता है।
अंतिम हिडन लेयर के वेटेड आउटपुट्स उन यूनिट्स के लिए इनपुट होते हैं जो आउटपुट लेयर बनाते हैं, जो दिए गए नमूनों के लिए नेटवर्क के पूर्वानुमान को फैलाता है। हिडन लेयर्स और आउटपुट लेयर में यूनिट्स को उनके प्रतीकात्मक जैविक तत्वों के कारण न्यूरोड्स या आउटपुट यूनिट्स के रूप में दर्शाया जाता है। हिडन यूनिट्स के माध्यम से प्रदान किए गए रैखिक थ्रेशोल्ड फ़ंक्शन्स के मल्टीलेयर फीड-फॉरवर्ड नेटवर्क लगभग किसी भी फ़ंक्शन का अनुमान लगा सकते हैं।
