फीड-फॉरवर्ड नेटवर्क
फीड-फॉरवर्ड न्यूरल नेटवर्क सिग्नल को केवल एक दिशा में यात्रा करने में सक्षम बनाते हैं, इनपुट से आउटपुट तक। कोई फीडबैक (लूप) नहीं होता यानी किसी भी लेयर का आउटपुट उसी लेयर को प्रभावित नहीं करता। फीड-फॉरवर्ड नेटवर्क सरल नेटवर्क होते हैं जो इनपुट को आउटपुट से जोड़ते हैं। इनका व्यापक रूप से पैटर्न पहचान में उपयोग किया जाता है। इस प्रकार के संगठन को बॉटम-अप या टॉप-डाउन के रूप में भी परिभाषित किया जाता है।
इन इकाइयों के भारित आउटपुट को न्यूरॉन्स जैसी इकाइयों की दूसरी परत में एक साथ फीड किया जाता है जिसे हिडन लेयर के रूप में जाना जाता है। हिडन लेयर का भारित आउटपुट दूसरी हिडन लेयर के लिए इनपुट हो सकता है और इसी तरह। हिडन लेयर्स की संख्या मनमाना है और आमतौर पर एक का उपयोग किया जाता है।
अंतिम हिडन लेयर के भारित आउटपुट आउटपुट लेयर बनाने वाली इकाइयों के लिए इनपुट होते हैं, जो दिए गए नमूनों के लिए नेटवर्क की भविष्यवाणी का उत्सर्जन करता है। हिडन लेयर्स और आउटपुट लेयर में इकाइयों को उनके प्रतीकात्मक जैविक आधार या आउटपुट इकाइयों के कारण न्यूरोड्स के रूप में परिभाषित किया जाता है। हिडन इकाइयों के माध्यम से दिए गए रैखिक थ्रेशोल्ड फ़ंक्शन के मल्टीलेयर फीड-फॉरवर्ड नेटवर्क किसी भी फ़ंक्शन का बारीकी से अनुमान लगा सकते हैं।
फीडबैक नेटवर्क
फीडबैक नेटवर्क में वेब पर लर्निंग लूप्स द्वारा दोनों दिशाओं में सिग्नल यात्रा कर सकते हैं। फीडबैक नेटवर्क बहुत गतिशील होते हैं और अत्यधिक जटिल हो सकते हैं। फीडबैक नेटवर्क गतिशील होते हैं, उनकी स्थितियाँ लगातार बदलती रहती हैं जब तक वे एक संतुलन बिंदु तक नहीं पहुंच जाते।
यह संतुलन बिंदु पर तब तक रहता है जब तक इनपुट बदलता नहीं है और एक नया संतुलन खोजने की आवश्यकता नहीं होती। फीडबैक आर्किटेक्चर को इंटरएक्टिव या रिकरेंट के रूप में भी परिभाषित किया जाता है, हालांकि यह शब्द व्यक्तिगत-लेयर संगठनों में फीडबैक कनेक्शन को इंगित कर सकता है।
जब बड़े डेटाबेस को डीप न्यूरल नेटवर्क एल्गोरिदम की सटीकता बढ़ाने में शामिल किया जाता है, तो व्यवहारिक अनुसंधान के लिए डेटा उत्पादन और कृत्रिम बुद्धिमत्ता सीखने का एक मॉडल आवश्यक होता है। सामान्य तौर पर, नैदानिक डेटा का उपयोग तब किया जाता है जब उपयोगकर्ता की बीमारी की जानकारी शामिल होती है। इस समय, यदि नैदानिक डेटा गलत हैं, तो भविष्यवाणियों के परिणाम गलत होते हैं।
इसके अलावा, यदि नैदानिक डेटा के अलावा उपयोगकर्ता के व्यवहार और गतिविधि के बारे में जानकारी परिलक्षित नहीं होती है, तो समय के साथ बदलने वाली उपयोगकर्ता की स्थिति के अनुसार समय-श्रृंखला डेटा को इनपुट मान के रूप में उपयोग किया जाना चाहिए ताकि परिणामों की सटीक भविष्यवाणी की जा सके।
डीप न्यूरल नेटवर्क एल्गोरिदम के लिए फीडबैक मॉडल में एक मूल फीडबैक मॉडल और एक द्वितीयक फीडबैक मॉडल शामिल होता है जो परिणाम को पुनः स्थापित करता है।
