প্রত্যয় এবং পারস্পরিক সম্পর্কের অর্থের মধ্যে প্রচুর সূক্ষ্মতা রয়েছে। উভয়ই লিনিয়ার বীজগণিতের অভ্যন্তরীণ পণ্য এবং অনুমানের বিস্তৃত ধারণার সাথে সম্পর্কিত, অর্থাৎ পরবর্তী দিকের দিকে এটি কতটা "দৃ strong়" তা নির্ধারণ করার জন্য একটি ভেক্টরকে অন্যটির উপরে প্রজেক্ট করে।
এই ধারণাটি নিউরাল নেটওয়ার্কগুলির ক্ষেত্রে প্রসারিত, যেখানে আমরা একটি ম্যাট্রিক্সের প্রতিটি সারিটিতে একটি ডেটা নমুনা প্রজেক্ট করি, এটি নির্ধারণ করতে যে এই সারিটি কতটা "ফিট করে"। প্রতিটি সারি বস্তুর একটি নির্দিষ্ট শ্রেণির প্রতিনিধিত্ব করে। উদাহরণস্বরূপ, প্রতিটি সারি হাতের লেখার স্বীকৃতির জন্য বর্ণমালায় একটি বর্ণকে শ্রেণিবদ্ধ করতে পারে। প্রতিটি সারিটিকে নিউরন হিসাবে উল্লেখ করা সাধারণ, তবে এটি ম্যাচিং ফিল্টারও বলা যেতে পারে।
সংক্ষেপে, আমরা দুটি জিনিস কতটা অনুরূপ পরিমাপ করছি বা কোনও কিছুর মধ্যে একটি নির্দিষ্ট বৈশিষ্ট্য সন্ধান করার চেষ্টা করছি, উদাহরণস্বরূপ একটি সংকেত বা চিত্র। উদাহরণস্বরূপ, আপনি যখন কোনও ব্যান্ডপাস ফিল্টার সহ একটি সংকেতকে মীমাংসিত করেন, আপনি সেই ব্যান্ডটিতে কী কী সামগ্রী রয়েছে তা সন্ধান করার চেষ্টা করছেন। আপনি যখন সাইনোসয়েডের সাথে একটি সংকেত সম্পর্কিত করেন, যেমন: ডিএফটি, আপনি সিগন্যালে সাইনোসয়েডের ফ্রিকোয়েন্সিটির শক্তি খুঁজছেন। নোট করুন যে পরবর্তী ক্ষেত্রে, পারস্পরিক সম্পর্ক স্লাইড হয় না, তবে আপনি এখনও দুটি জিনিস "সংযুক্তি" দিচ্ছেন। আপনি সাইনোসয়েডে সিগন্যাল প্রজেক্ট করার জন্য একটি অভ্যন্তরীণ পণ্য ব্যবহার করছেন।
তাহলে কি পার্থক্য? ভাল, বিবেচনা করুন যে সংকেত সঙ্গে ফিল্টার শ্রদ্ধার সাথে পিছনে হয়। সময়ের পরিবর্তিত সিগন্যালের সাথে, এর প্রভাব রয়েছে যে ফিল্টারটিতে প্রবেশের ক্রমে ডেটাটি সম্পর্কযুক্ত। এক মুহুর্তের জন্য আসুন একটি বিন্দুজাতীয় পণ্য হিসাবে পারস্পরিক সম্পর্ককে সংজ্ঞায়িত করি, অর্থাত একটি জিনিসকে অন্যটিতে প্রজেক্ট করা। সুতরাং, শুরুতে, আমরা ফিল্টারটির প্রথম অংশের সাথে সংকেতের প্রথম অংশটি সংযুক্ত করছি। ফিল্টারটির মাধ্যমে সংকেত চলতে থাকায় পরস্পর সম্পর্ক আরও সম্পূর্ণ হয়ে যায়। মনে রাখবেন যে সিগন্যালের প্রতিটি উপাদান কেবল সেই সময়ে যে ফিল্টারটি "স্পর্শকাতর" হয় তার উপাদান দিয়ে কেবল গুণিত হয়।
সুতরাং, সমঝোতার সাথে, আমরা একটি অর্থে সংযোগ দিচ্ছি, তবে আমরা সিস্টেমের সাথে সংকেত ইন্টারেক্ট করার সাথে সাথে পরিবর্তিত ক্রমটি সংরক্ষণ করার চেষ্টাও করছি। যদি ফিল্টারটি প্রতিসম হয় তবে এটি প্রায়শই যেমন হয়, আসলে এটি কিছু যায় আসে না। কনভোলিউশন এবং পারস্পরিক সম্পর্ক একই ফলাফল অর্জন করবে।
পারস্পরিক সম্পর্ক সহ, আমরা কেবল দুটি সংকেত তুলনা করছি, এবং ইভেন্টের ক্রম সংরক্ষণের চেষ্টা করছি না। তাদের তুলনা করতে, আমরা তাদের একই দিক, অর্থাৎ সারিবদ্ধভাবে মুখোমুখি হতে চাই। আমরা একটি সিগন্যালকে অন্যটির উপরে স্লাইড করি যাতে আমরা প্রতিটি সময় উইন্ডোতে তাদের সাদৃশ্যটি পরীক্ষা করতে পারি, যদি তারা একে অপরের সাথে পর্যায়ের বাইরে চলে যায় বা আমরা আরও বড় সংকেতে একটি ছোট সংকেত খুঁজছি।
চিত্র প্রক্রিয়াকরণে জিনিসগুলি কিছুটা আলাদা। আমরা সময় সম্পর্কে চিন্তা করি না। কনভলিউশনে এখনও কিছু কার্যকর গাণিতিক বৈশিষ্ট্য রয়েছে , যদিও। তবে, যদি আপনি একটি বৃহত্তর চিত্রের অংশগুলি একটি ছোট একটি (যেমন ম্যাচ করা ফিল্টারিং) এর সাথে মিলানোর চেষ্টা করছেন তবে আপনি এটিকে ফ্লিপ করতে চাইবেন না কারণ তখন বৈশিষ্ট্যগুলি লাইন হবে না। অবশ্যই, যদি না, ফিল্টারটি প্রতিসম হয়। ইমেজ প্রসেসিংয়ে, পারস্পরিক সম্পর্ক এবং সমঝোতা কখনও কখনও আন্তঃচঞ্চলভাবে ব্যবহৃত হয়, বিশেষত নিউরাল জাল দিয়ে । স্পষ্টতই, সময়টি এখনও প্রাসঙ্গিক হয় যদি চিত্রটি 2-মাত্রিক ডেটার একটি বিমূর্ত উপস্থাপনা হয়, যেখানে একটি মাত্রা সময় হয় - যেমন বর্ণালী rog
সুতরাং সংক্ষেপে, পারস্পরিক সম্পর্ক এবং সমঝোতা উভয়ই অভ্যন্তরীণ পণ্যগুলি স্লাইডিং করছে, তারা স্থান বা সময়ের সাথে পৃথক হওয়ার কারণে একটি জিনিস অন্যটিতে প্রজেক্ট করার জন্য ব্যবহৃত হয়। অর্ডার গুরুত্বপূর্ণ হলে কনভোলিউশনটি ব্যবহৃত হয় এবং সাধারণত ডেটা রূপান্তর করতে ব্যবহৃত হয়। বড় বড় জিনিসের অভ্যন্তরে একটি ছোট জিনিস খুঁজে পাওয়ার জন্য, সম্পর্কিত করতে মেলামেশা সাধারণত ব্যবহৃত হয়। যদি দুটি "জিনিসের" মধ্যে কমপক্ষে কোনও একটি সমন্বিত হয়, তবে আপনি কোনটি ব্যবহার করেন তা বিবেচ্য নয়।
