आपके आस-पास की बदलती तकनीक को समझने के लिए आपको क्या जानने की आवश्यकता है
तंत्रिका नेटवर्क कनेक्टेड इकाइयों या नोड्स के कंप्यूटर मॉडल होते हैं जो जानकारी (डेटा) से संचार, प्रक्रिया, और सीखने के लिए डिज़ाइन किए जाते हैं, इस तरह से न्यूरॉन्स (तंत्रिका कोशिकाएं) मनुष्यों में कैसे काम करती हैं।
कृत्रिम तंत्रिका प्रसार
प्रौद्योगिकी में, तंत्रिका नेटवर्क को अक्सर जैविक तंत्रिका नेटवर्क से अलग करने के लिए कृत्रिम तंत्रिका नेटवर्क (एएनएन) या तंत्रिका जाल के रूप में जाना जाता है, जिन्हें बाद में मॉडलिंग किया जाता है। एएनएन के पीछे मुख्य विचार यह है कि मानव मस्तिष्क सबसे जटिल और बुद्धिमान "कंप्यूटर" है जो मौजूद है। मस्तिष्क द्वारा उपयोग की जाने वाली सूचना प्रसंस्करण की संरचना और प्रणाली के लिए जितना संभव हो सके एएनएन को मॉडलिंग करके, शोधकर्ताओं ने उन कंप्यूटरों को बनाने की आशा की जो मानव खुफिया से संपर्क या पार हो गए। तंत्रिका जाल कृत्रिम बुद्धि (एआई), मशीन लर्निंग (एमएल), और गहरी शिक्षा में वर्तमान प्रगति का एक प्रमुख घटक हैं।
तंत्रिका नेटवर्क कैसे काम करते हैं: एक तुलना
यह समझने के लिए कि कैसे तंत्रिका नेटवर्क काम करते हैं और दो प्रकार (जैविक और कृत्रिम) के बीच अंतर, चलो 15-मंजिला कार्यालय भवन और फोन लाइनों और स्विचबोर्ड के उदाहरण का उपयोग करते हैं जो पूरे भवन, व्यक्तिगत मंजिलों और व्यक्तिगत कार्यालयों में कॉल को रूट करते हैं। हमारी 15 मंजिला कार्यालय इमारत में प्रत्येक व्यक्तिगत कार्यालय एक न्यूरॉन (कंप्यूटर नेटवर्किंग में नोड या जीवविज्ञान में तंत्रिका कोशिका) का प्रतिनिधित्व करता है। इमारत स्वयं एक संरचना है जिसमें 15 मंजिलों (एक तंत्रिका नेटवर्क) की व्यवस्था में व्यवस्थित कार्यालयों का एक सेट होता है।
जैविक तंत्रिका नेटवर्क के लिए उदाहरण लागू करना, कॉल प्राप्त करने वाले स्विचबोर्ड में पूरी इमारत में किसी भी मंजिल पर किसी भी कार्यालय से जुड़ने की रेखाएं होती हैं। इसके अतिरिक्त, प्रत्येक कार्यालय में ऐसी रेखाएं होती हैं जो किसी भी मंजिल पर पूरी इमारत में हर दूसरे कार्यालय से जुड़ती हैं। कल्पना करें कि एक कॉल (इनपुट) में आता है और स्विचबोर्ड इसे तीसरी मंजिल पर एक कार्यालय में स्थानांतरित करता है, जो इसे सीधे 11 वीं मंजिल पर एक कार्यालय में स्थानांतरित करता है, जो सीधे इसे 5 वीं मंजिल पर एक कार्यालय में स्थानांतरित करता है। मस्तिष्क में, प्रत्येक न्यूरॉन या तंत्रिका कोशिका (एक कार्यालय) सीधे अपने सिस्टम या तंत्रिका नेटवर्क (इमारत) में किसी अन्य न्यूरॉन से कनेक्ट हो सकती है। सूचना (कॉल) किसी भी अन्य न्यूरॉन (कार्यालय) को संसाधित या सीखने के लिए संसाधित किया जा सकता है जब तक कोई उत्तर या संकल्प (आउटपुट) न हो।
जब हम एएनएन को इस उदाहरण को लागू करते हैं, तो यह काफी जटिल हो जाता है। इमारत के प्रत्येक मंजिल के लिए अपने स्वयं के स्विचबोर्ड की आवश्यकता होती है, जो केवल उसी मंजिल पर कार्यालयों से जुड़ सकती है, साथ ही इसके ऊपर और नीचे के फर्श पर स्विचबोर्ड भी शामिल हो सकती है। प्रत्येक कार्यालय केवल उसी मंजिल पर अन्य कार्यालयों और उस मंजिल के लिए स्विचबोर्ड से सीधे कनेक्ट हो सकता है। सभी नई कॉलों को पहली मंजिल पर स्विचबोर्ड से शुरू करना होगा और कॉल समाप्त होने से पहले 15 वीं मंजिल तक संख्यात्मक क्रम में प्रत्येक व्यक्तिगत मंजिल में स्थानांतरित किया जाना चाहिए। चलो इसे गति में डाल दें यह देखने के लिए कि यह कैसे काम करता है।
कल्पना करें कि एक कॉल 1 इनपुट फ्लोर स्विचबोर्ड में (इनपुट) में आता है और उसे 1 मंजिल (नोड) पर एक कार्यालय में भेजा जाता है। कॉल को तब तक दूसरे कार्यालयों (नोड्स) के बीच सीधे 1 मंजिल पर स्थानांतरित कर दिया जाता है जब तक कि वह अगली मंजिल पर भेजने के लिए तैयार न हो जाए। फिर कॉल को 1 सेंट फ्लोर स्विचबोर्ड पर वापस भेजा जाना चाहिए, जो इसे 2 वें मंजिल स्विचबोर्ड पर स्थानांतरित कर देता है। ये वही कदम एक समय में एक मंजिल दोहराते हैं, इस प्रक्रिया के माध्यम से कॉल को प्रत्येक मंजिल पर फर्श 15 तक सभी तरह से भेजा जाता है।
एएनएन में, नोड्स (कार्यालय) परतों (इमारत के फर्श) में व्यवस्थित होते हैं। सूचना (एक कॉल) हमेशा इनपुट परत (1 सेंट फ्लोर और इसके स्विचबोर्ड) के माध्यम से आता है और इसे प्रत्येक परत (मंजिल) द्वारा अगली में स्थानांतरित करने से पहले भेजा और संसाधित किया जाना चाहिए। प्रत्येक परत (मंजिल) उस कॉल के बारे में एक विशिष्ट विवरण संसाधित करती है और परिणाम को अगली परत पर कॉल के साथ भेजती है। जब कॉल आउटपुट परत (15 वीं मंजिल और इसके स्विचबोर्ड) तक पहुंच जाती है, इसमें परतों 1-14 से प्रसंस्करण जानकारी शामिल होती है। 15 वीं परत (मंजिल) पर नोड्स (कार्यालय) अन्य सभी परतों (फर्श) से इनपुट या प्रसंस्करण जानकारी का उपयोग उत्तर या संकल्प (आउटपुट) के साथ करने के लिए करते हैं।
तंत्रिका नेटवर्क और मशीन लर्निंग
मशीन सीखने की श्रेणी के तहत तंत्रिका जाल एक प्रकार की तकनीक है। वास्तव में, तंत्रिका जाल के अनुसंधान और विकास में प्रगति एमएल में प्रगति के प्रवाह और प्रवाह से कड़ाई से जुड़ी हुई है। तंत्रिका जाल डेटा प्रोसेसिंग क्षमताओं का विस्तार करते हैं और एमएल की कंप्यूटिंग पावर को बढ़ावा देते हैं, संसाधित किए जा सकने वाले डेटा की मात्रा में वृद्धि करते हैं लेकिन अधिक जटिल कार्यों को करने की क्षमता भी बढ़ाते हैं।
एएनएन के लिए पहला दस्तावेज कंप्यूटर मॉडल 1 9 43 में वाल्टर पिट्स और वॉरेन मैककलोच द्वारा बनाया गया था। तंत्रिका नेटवर्क और प्रारंभिक रुचि में प्रारंभिक रुचि और अनुसंधान अंततः धीमा हो गया और 1 9 6 9 तक कम या ज्यादा कम हो गया, जिसमें नवीनीकृत ब्याज के केवल छोटे विस्फोट हुए। उस समय के कंप्यूटरों में इन क्षेत्रों को आगे बढ़ाने के लिए पर्याप्त तेज़ या पर्याप्त पर्याप्त प्रोसेसर नहीं थे, और उस समय एमएल और तंत्रिका जाल के लिए आवश्यक मात्रा में डेटा उपलब्ध नहीं था।
इंटरनेट के विकास और विस्तार के साथ समय के साथ कंप्यूटिंग पावर में भारी वृद्धि (और इस प्रकार इंटरनेट के माध्यम से डेटा की भारी मात्रा में पहुंच) ने उन शुरुआती चुनौतियों का समाधान किया है। तंत्रिका जाल और एमएल अब प्रौद्योगिकियों में महत्वपूर्ण हैं जो हम देखते हैं और हर दिन उपयोग करते हैं, जैसे चेहरे की पहचान , छवि प्रसंस्करण और खोज, और वास्तविक समय भाषा अनुवाद - कुछ ही नाम देने के लिए।
रोजमर्रा की जिंदगी में तंत्रिका नेटवर्क उदाहरण
एएनएन प्रौद्योगिकी के भीतर एक काफी जटिल विषय है, हालांकि, हर दिन हमारे जीवन को प्रभावित करने के तरीकों की बढ़ती संख्या के कारण यह पता लगाने में कुछ समय लग रहा है। वर्तमान में विभिन्न उद्योगों द्वारा तंत्रिका नेटवर्क का उपयोग करने के कुछ और उदाहरण यहां दिए गए हैं:
- वित्त: मुद्रा विनिमय दरों की भविष्यवाणी करने के लिए तंत्रिका जाल का उपयोग किया जाता है। इन्हें शेयर बाजार में इस्तेमाल होने वाली स्वचालित ट्रेडिंग सिस्टम के पीछे प्रौद्योगिकी में भी उपयोग किया जाता है।
- चिकित्सा: तंत्रिका जाल की छवि प्रसंस्करण क्षमताओं ने प्रौद्योगिकी में योगदान दिया है जो प्रारंभिक चरण के लिए अधिक सटीक स्क्रीन और कैंसर के प्रकारों की पहचान करने में कठिनाई का पता लगाता है। ऐसा एक प्रकार का कैंसर आक्रामक मेलेनोमा है, जो त्वचा कैंसर का सबसे गंभीर और घातक रूप है। पहले चरण में मेलेनोमा की पहचान करना, इससे पहले कि यह फैलता है, इस प्रकार के कैंसर वाले रोगियों को इसे हरा करने का सबसे अच्छा मौका देता है।
- मौसम: वायुमंडलीय परिवर्तनों का पता लगाने की क्षमता जो संभावित रूप से गंभीर और खतरनाक मौसम की घटना को इंगित करती है, जितनी जल्दी हो सके उतनी जल्दी और सटीक रूप से जीवन बचाने के लिए आवश्यक है। तंत्रिका जाल उपग्रह और रडार छवियों के वास्तविक समय प्रसंस्करण में शामिल होते हैं जो न केवल तूफानों और चक्रवातों के प्रारंभिक गठन का पता लगाते हैं, बल्कि हवा की गति और दिशा में अचानक परिवर्तन का पता लगाते हैं जो एक फार्मिंग टर्ननाडो इंगित करते हैं। टर्नडोज़ रिकॉर्ड पर सबसे मजबूत और सबसे खतरनाक मौसम घटनाओं में से कुछ हैं - अक्सर तूफानों की तुलना में अधिक अचानक, विनाशकारी और घातक।