পারসেপট্রন

Perceptron কী?

Perceptron হলো সবচেয়ে সরল ধরনের নিউরাল নেটওয়ার্ক — মাত্র একটি নিউরন। এটি input নেয়, weight দিয়ে গুণ করে, যোগ করে, এবং একটি threshold-এর সাথে তুলনা করে binary output (0 বা 1) দেয়।

Perceptron Learning Rule

Perceptron-এর জাদু হলো — এটা নিজে শিখতে পারে। কীভাবে? যখনই ভুল করে, weight একটু adjust করে।

এখানে η (eta) হলো learning rate।

উদাহরণ — AND Gate শেখানো

AND gate: শুধু দুই input-ই 1 হলে output 1, নইলে 0। Perceptron দিয়ে এটা শেখাই।

import numpy as np

# AND gate ডেটা
X = np.array([[0,0], [0,1], [1,0], [1,1]])
y = np.array([0, 0, 0, 1])

# initial weights ও bias
w = np.zeros(2)
b = 0
lr = 0.1

def predict(x):
    return 1 if np.dot(w, x) + b >= 0 else 0

# Training
for epoch in range(20):
    for xi, yi in zip(X, y):
        y_pred = predict(xi)
        error = yi - y_pred
        w += lr * error * xi
        b += lr * error

# Test
for xi in X:
    print(xi, "->", predict(xi))

Perceptron-এর সীমাবদ্ধতা — XOR সমস্যা

Perceptron শুধু linearly separable সমস্যা সমাধান করতে পারে। AND, OR সহজেই — কিন্তু XOR? অসম্ভব। কারণ XOR-এর true/false points একটা সরলরেখা দিয়ে আলাদা করা যায় না।

সমাধান — Multi-Layer Perceptron (MLP)

একটি Perceptron-এর বদলে কয়েকটি Perceptron স্তরে স্তরে সাজালে — তৈরি হয় MLP। MLP যেকোনো জটিল function approximate করতে পারে (Universal Approximation Theorem)।

সাধারণ ভুল ধারণা

অনুশীলন

মিনি প্রজেক্ট

ইন্টারভিউ প্রশ্ন

1. Perceptron Learning Rule ব্যাখ্যা করুন।
2. XOR সমস্যা কী এবং কেন Perceptron এটা সমাধান করতে পারে না?
3. MLP কীভাবে XOR সমাধান করে?
4. Universal Approximation Theorem কী?

সারসংক্ষেপ