ফাইন-টিউনড মাল্টিলেয়ার পারসেপ্ট্রন
একটি ফাইন-টিউনড মাল্টিলেয়ার পারসেপ্ট্রন (MLP) একটি সোর্স টাস্ক — অথবা একটি বৃহৎ সাধারণ-উদ্দেশ্যের ডেটাসেট — থেকে শেখা ওয়েট (weights) দিয়ে শুরু করে এবং একটি ছোট টার্গেট ডেটাসেটে কম লার্নিং রেট (learning rate) ব্যবহার করে প্রশিক্ষণ চালিয়ে যায়। পূর্ব-প্রশিক্ষিত উপস্থাপনাগুলির (pre-learned representations) এই পুনঃব্যবহার MLP-কে স্ক্র্যাচ থেকে প্রশিক্ষণের তুলনায় দ্রুত কনভার্জ (converge) করতে এবং আরও ভালোভাবে জেনারেলাইজ (generalise) করতে সাহায্য করে, বিশেষ করে যখন লেবেলযুক্ত টার্গেট ডেটা দুষ্প্রাপ্য থাকে।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
পদ্ধতি-মানচিত্র
সম্পর্কিত পদ্ধতিসমূহের প্রতিবেশ — অন্বেষণ করতে একটি নোড নির্বাচন করুন।
উৎস
- Rumelhart, D. E., Hinton, G. E., & Williams, R. J. (1986). Learning representations by back-propagating errors. Nature, 323, 533–536. DOI: 10.1038/323533a0 ↗
- Yosinski, J., Clune, J., Bengio, Y., & Lipson, H. (2014). How transferable are features in deep neural networks? Advances in Neural Information Processing Systems, 27, 3320–3328. link ↗
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 3). Fine-Tuned Multilayer Perceptron (Transfer Learning via MLP Weight Adaptation). ScholarGate. https://scholargate.app/bn/deep-learning/fine-tuned-multilayer-perceptron
কোন পদ্ধতি?
এই পদ্ধতিটিকে তার নিকটতম সমগোত্রীয়দের পাশে রাখুন এবং পাশাপাশি পড়ুন — গ্রন্থাগার বইগুলি টেবিলে সাজিয়ে দেয়; নির্বাচন আপনার।
- ফাইন-টিউনড কনভোল্যুশনাল নিউরাল নেটওয়ার্কগভীর শিখন↔ তুলনা করুন
- ফাইন-টিউনড এলএসটিএম (Fine-Tuned LSTM)গভীর শিখন↔ তুলনা করুন
- ফাইন-টিউনড ট্রান্সফরমারগভীর শিখন↔ তুলনা করুন
- মাল্টিলেয়ার পারসেপ্ট্রন (MLP)গভীর শিখন↔ তুলনা করুন
যেখানে উদ্ধৃত
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →