Feedforward Neural Network (FNN)

---

🧠 Feedforward Neural Network (FNN)

🔹 Concept (মূল ধারণা):

1. এটা সবচেয়ে সহজ ও মৌলিক ধরনের নিউরাল নেটওয়ার্ক।

2. ডেটা শুধুমাত্র এক দিকে প্রবাহিত হয় — অর্থাৎ:

   👉 Input → Hidden Layer(s) → Output

3. এখানে কোনো লুপ নেই বা feedback নেই (যেমন RNN-এ থাকে)।

4. প্রতিটি লেয়ারের neuron কেবলমাত্র পরবর্তী লেয়ারের neuron গুলোর সাথে সংযুক্ত থাকে।

---

📌 কেন একে Feedforward বলে?

কারণ এখানে তথ্য সামনে (forward) যায়, কিন্তু ফিরে আসে না (no backward loop)।

---

🔸 Structure উদাহরণ:

Input Layer:      x₁   x₂   x₃

Hidden Layer:      h₁   h₂   h₃

Output Layer:          y₁

1. প্রতিটি ইনপুট neuron → Hidden layer-এর neuron গুলোর সাথে সংযুক্ত।

2. Hidden layer → Output-এর সাথে সংযুক্ত।

3. কোনো লুপ বা feedback নাই।

---

📊 Applications (ব্যবহার ক্ষেত্র)

Feedforward Neural Network ব্যবহার হয় সেই সব ক্ষেত্রে যেখানে:

1. Time dependency বা sequence জরুরি না

2. ডেটা হচ্ছে stateless, যেমন: image classification, number recognition

✅ উদাহরণ:

1. Digit recognition (MNIST dataset)
   → কোনো ডিজিট (0-9) চিনে ফেলা

2. Simple spam detection
   → ইমেইল স্প্যাম কিনা তা নির্ধারণ করা

3. Basic house price prediction
   → ঘরের আকার ও লোকেশন থেকে দাম আন্দাজ করা

---

✅ সুবিধা:

1. সহজ গঠন

2. ছোট ও মধ্যম সাইজের ডেটার জন্য ভালো

3. Training সহজ

❌ অসুবিধা:

1. Time series বা টেম্পোরাল ডেটা বুঝতে পারে না

2. Spatial features (যেমন image-এর পিক্সেল প্যাটার্ন) ধরতে পারে না

3. Deep model না হলে Accuracy কম হয়

---