নিউরাল নেটওয়ার্ক

এই সিমুলেশন একটি বাস্তব তিন-পাঁচ-পাঁচ-দুই নিউরাল নেটওয়ার্কের ফরওয়ার্ড পাস দেখায়। প্রতিটি নিউরন তার ওজনযুক্ত ইনপুট ও একটি বায়াস যোগ করে, তারপর tanh ফাংশন দিয়ে ফলাফল সংকুচিত করে। শিক্ষার্থীরা তিনটি ইনপুট স্লাইডার সরায় এবং সংকেত প্রবাহিত হতে দেখে, যেখানে সায়ান সংযোগ ধনাত্মক ওজনের জন্য, কমলা ঋণাত্মক ওজনের জন্য, এবং নিউরনের রঙ ও আকার অ্যাক্টিভেশন দেখায়। একটি বোতাম ওজন এলোমেলো করে। ওজনগুলো প্রশিক্ষিত নয়, তাই মনোযোগ থাকে কীভাবে গণিত কাজ করে তার ওপর, যা মেশিন লার্নিং মডেল কীভাবে গণনা করে তা জানার একটি সহজ প্রথম ধাপ।

• ইনপুট x1, x2 ও x3 সরান এবং দেখুন আউটপুট y1 ও আউটপুট y2 কীভাবে বদলায়।
• সংযোগের রঙ দেখুন এবং কোন ওজনগুলো ধনাত্মক ও কোনগুলো ঋণাত্মক তা খুঁজুন।
• ওজন এলোমেলো করুন চাপুন এবং দেখুন একই ইনপুট কীভাবে ভিন্ন আউটপুট দেয়।
• তিনটি ইনপুট 0 সেট করুন এবং দেখুন আউটপুট ও লুকানো স্তরের গড় সক্রিয়তায় কী হয়।
• ইনপুটগুলো তাদের সীমায় ঠেলুন এবং লক্ষ্য করুন tanh সংকোচন মানগুলো মাইনাস 1 ও 1-এর মধ্যে কীভাবে রাখে।

1. 1একটি নিউরনকে একটি অ্যাক্টিভেশন ফাংশনের মধ্য দিয়ে যাওয়া ওজনযুক্ত যোগফল ও একটি বায়াস হিসেবে বর্ণনা করুন।
2. 2একটি নেটওয়ার্কের স্তরগুলোর মধ্য দিয়ে তথ্য কীভাবে সামনের দিকে প্রবাহিত হয় তা অনুসরণ করুন।
3. 3ধনাত্মক ও ঋণাত্মক ওজন একটি সংকেতের ওপর কী করে তা ব্যাখ্যা করুন।
4. 4স্বীকার করুন যে আউটপুট ইনপুট ও ওজন দুটোর ওপরই নির্ভর করে।

শিক্ষকদের সাধারণ প্রশ্ন