ന്യൂറൽ നെറ്റ്വർക്കുകൾ

ന്യൂറൽ നെറ്റ്വർക്കുകൾ - ന്യൂറോണുകൾ - പ്രത്യേക സെല്ലുകൾ നിർമിച്ച ആ ആകുന്നു. അവർ ജൈവ ന്യൂറോണുകളുടെ ഗണിത മാതൃകകൾ, അതായത്, മനുഷ്യ നാഡീവ്യൂഹം ഉൾപ്പെട്ട സെല്ലുകളാണ്.

ആദ്യമായി ഞങ്ങൾ 1943 ൽ ന്യൂറൽ നെറ്റ്വർക്കുകളിൽ സംസാരിക്കുന്നത്, ഒപ്പം പെർസെപ്ഷൻ റോസന്ബാള്ട്ട് കണ്ടുപിടുത്തം സുവർണ്ണ കാലഘട്ടത്തിന്റെ വന്നു ശേഷം, നെറ്റ്വർക്കുകളും വളരെ പ്രശസ്തമായ തീർന്നിരിക്കുന്നു. എന്നാൽ, ഒരു ശാസ്ത്രജ്ഞൻ പെർസെപ്ഷൻ എന്ന കാര്യക്ഷമതയില്ലായ്മ തെളിഞ്ഞിരിക്കുന്നു ഇതിൽ 1969 ൽ മിന്സ്ക് പ്രസിദ്ധീകരിക്കുമ്പോൾ ശേഷം, ചില സാഹചര്യങ്ങളിൽ, ഈ മേഖലയിൽ പലിശ കുത്തനെ വീണു. എന്നാൽ കഥ കൃത്രിമ നെറ്റ്വർക്കുകളിൽ അവസാനിക്കുന്നില്ല. . 1985-ൽ, ജെ ഹൊപ്ഫിഎല്ദ് അവരുടെ പഠനം ഹാജരാക്കിയ ന്യൂറൽ നെറ്റ്വർക്ക് തെളിയിച്ചു - മെഷീൻ പഠന ഒരു വലിയ ഉപകരണം.

ഇത് ബയോളജി നിരവധി ആശയങ്ങൾ തത്ത്വങ്ങളും കടമെടുത്ത ചെയ്തു. നാഡീകോശം - ലഭിക്കുന്നു എന്നിട്ട് പയർ (സിഗ്നലുകൾ) പ്രേഷണം ഏത് സ്വിച്ച് ഒരു തരം. നാഡീ ഒരു ന്യൂറൽ ശക്തമായ ആക്കം ലഭിക്കുകയാണെങ്കിൽ, അത് സജീവമാക്കി വിശ്വാസം ബാക്കി അതുമായി ബന്ധപ്പെട്ട ന്യൂറോണുകൾ പയർ പ്രേഷണം ആണ്. നാഡീകോശം ഒരേ ഏത് ആക്റ്റിവേറ്റ് ചെയ്തു, അത് പൾസ് പ്രേഷണം ചെയ്യുന്നതല്ല, വിശ്രമിക്കുന്നു തുടരുന്നു. വിവിധ ഉറവിടങ്ങളിൽ നിന്ന് സിഗ്നലുകൾ സ്വീകരിക്കുന്നതല്ല സങ്കൽപ്പിക്കുക ടാസ്കിലേക്കുള്ള ദെംദ്രിതെസ്, പ്രേക്ഷണം ചെയ്ത പരസ്പരം ന്യൂറോണുകൾ കണക്ട്, പയറിനങ്ങൾ ലഭിക്കുന്ന ഉൾക്കൊള്ളുന്നതിനാൽ, അക്സൊന്,: നാഡീകോശം പല പ്രധാന ഘടകങ്ങളാണ്. ഒരു നാഡീ ഒരു മുകളിലുള്ള ഒരു ത്വര ലഭിക്കുമ്പോൾ, ഉടനെ അടുത്ത ന്യൂറോൺ ഒരു സിഗ്നൽ അയയ്ക്കുന്നു.

ഗണിതശാസ്ത്ര മോഡൽ അല്പം വ്യത്യസ്തമാണ്. ലോഗിൻ ഗണിതശാസ്ത്ര മോഡൽ ഒരു നാഡീ എന്ന - ഘടകങ്ങൾ ഒരു വലിയ സംഖ്യ പാണ്ഡിത്യം ഒരു വെക്റ്റർ ആണ്. ഘടകം ഓരോ - ന്യൂറോൺ ലഭിച്ച ഏത് പയർ, ഒന്നാണ്. മോഡൽ ഔട്ട്പുട്ട് ഒരു നമ്പർ ആണ്. ആ മോഡൽ ഇൻപുട്ട് വെക്റ്റർ ഭൌമമായ, പിന്നീട് മറ്റ് ന്യൂറോണുകളുടെ കൈമാറി നടത്തുന്ന ൽ ആണ്.

സിരാശൃംഖല നെറ്റ്വർക്കുകൾ രണ്ടു വഴികളിൽ പരിശീലനം കഴിയും: കൂടെ ഒരു അധ്യാപകൻ ഇല്ലാതെ. പഠന പ്രക്രിയ നിരവധി നടപടികൾ അടങ്ങിയിരിക്കുന്നു. ആദ്യം നെറ്റ്വർക്ക് പുറത്തുനിന്നുള്ള ഇൻപുട്ട് ഉത്തേജക ആണ്. പിന്നെ, ചട്ടങ്ങൾ അനുസരിച്ച് ന്യൂറൽ നെറ്റ്വർക്ക് സൗജന്യമായി പരാമീറ്ററുകൾ വ്യത്യാസപ്പെടാം, പിന്നെ നെറ്റ്വർക്ക് ഇൻപുട്ട് ഉദ്ദീപനങ്ങളുമായുള്ള ഇതിനകം വ്യത്യസ്തമായി പ്രതികരിക്കുന്നു. പ്രക്രിയ കാലത്തോളം നെറ്റ്വർക്ക് പ്രശ്നം പരിഹരിക്കാൻ ഇല്ല എന്ന് ആവർത്തിച്ചു വേണം. ഒരു അധ്യാപകൻ കൊണ്ട് പഠന അൽഗോരിതം നെറ്റ്വർക്ക് പരിശീലനത്തില് ഇതിനകം ശരിയായ ഉത്തരം ഉണ്ട് എന്നതാണ്. ഈ രീതി വിജയകരമായി പല പ്രയോഗങ്ങൾ ഉപയോഗിച്ചതാണ്, എന്നാൽ പലപ്പോഴും അത് എവിടേക്ക് ഇംപ്ലൌസിബ്ലെ എന്ന വസ്തുത പഴികേട്ടു. സിരാശൃംഖല നെറ്റ്വർക്കുകൾ കേസ് മാത്രം അറിയപ്പെടുന്ന ചെലവായ എവിടെ അധ്യാപകൻ കൂടാതെ പരിശീലനം. ഇവയെ അടിസ്ഥാനമാക്കി, നെറ്റ്വർക്ക് ക്രമേണ മികച്ച വില ഔട്പുട്ടുകൾ നൽകാൻ മനസ്സിലാക്കുന്നു.

ന്യൂറൽ നെറ്റ്വർക്കുകളിൽ പ്രയോഗിക്കും ശരിക്കും വിഭിന്ന. അവർ പലപ്പോഴും തിരിച്ചറിയൽ, പ്രവചന, വിവിധ സൃഷ്ടി ഓട്ടോമേറ്റ് ഉപയോഗിക്കുന്നു വിദഗ്ധ സിസ്റ്റങ്ങൾ, ഫുന്ച്തിഒനല്സ് എന്ന ഏകദേശ. അത്തരം ഒരു നെറ്റ്വർക്കുമായി എക്സ്ചേഞ്ച് സൂചകങ്ങൾ, ഉദാഹരണത്തിന്, ഒരു നൽകിയ ടെക്സ്റ്റ് കാർ പാർക്ക് നിന്ന് പ്രസംഗം ഓര്മ്മിക്കുന്നതു വരെ കഴിയുന്ന സ്വയം പഠന ശേഷിയുള്ള സംവിധാനങ്ങൾ, സൃഷ്ടിക്കാൻ പ്രവചിക്കാൻ ശബ്ദം അംഗീകാരത്തിനും ഒപ്റ്റിക്കൽ സിഗ്നലുകൾ നിർവഹിക്കാൻ കഴിയും. വെസ്റ്റ് ലെ സിരാശൃംഖല നെറ്റ്വർക്കുകൾ കൂടുതൽ സജീവമായി ഉപയോഗിക്കുന്നു, നിർഭാഗ്യവശാൽ, ആഭ്യന്തര കമ്പനികൾ ഇതുവരെ ഈ രീതി സ്വീകരിച്ച ചെയ്തിട്ടില്ല.

അല്ല അനുയോജ്യമായ പരിഹാരം - ചില പ്രദേശങ്ങളിൽ പരമ്പരാഗത കണക്കുകൂട്ടലുകൾ, നിലവിലുള്ള ന്യൂറൽ നെറ്റ്വർക്കുകളിൽ ആൻ ഗുണങ്ങളുണ്ടെങ്കിലും. അവർ പഠന കഴിവുള്ള ശേഷം, അവർ പറഞ്ഞതല്ല. കൂടാതെ, നിങ്ങൾ കൃത്യമായി വികസിപ്പിച്ച ന്യൂറൽ നെറ്റ്വർക്ക് സമുചിതമായ എന്ന് ഉറപ്പ് കഴിയില്ല. ഡെവലപ്പർ അഭിസംബോധന പ്രശ്നം സ്വഭാവം മനസ്സിലാക്കണം, പ്രശ്നം വിവരിക്കുന്ന വിവരങ്ങൾ ഒരു, പരീക്ഷണം പരിശീലന നെറ്റ്വർക്ക് ഡാറ്റ ലഭിക്കുവാനായി പരിശീലനം, കൈമാറ്റം ചടങ്ങിൽ അണലിമേലും പ്രവർത്തനങ്ങൾ ശരിയായ രീതി തിരഞ്ഞെടുക്കാൻ ഉണ്ട്.