• Home
  • /
  • Blog
  • /
  • तंत्रिका नेटवर्क (न्यूरल नेटवर्क) कैसे काम करता है

तंत्रिका नेटवर्क (न्यूरल नेटवर्क) कैसे काम करता है

how neural network works

This post is also available in: English (English) العربية (Arabic)

तंत्रिका नेटवर्क मानव मस्तिष्क के व्यवहार को दर्शाते हैं, जिससे कंप्यूटर प्रोग्राम्स के पैटर्न को पहचानने और आर्टिफिशियल इंटेलिजेंस, मशीन सीखने और गहन सीखने के क्षेत्र में सामान्य समस्याओं को हल करने की अनुमति मिलती है। “न्यूरल नेटवर्क कैसे कार्य करता है” पर जाने से पहले, आइए समझते हैं कि न्यूरल नेटवर्क क्या है।

न्यूरल नेटवर्क क्या हैं?

कृत्रिम तंत्रिका नेटवर्क (ANN) नोड्स की परतें हैं, जिसमें एक इनपुट परत, एक या अधिक छिपी हुई परतें और एक आउटपुट परत होती है। प्रत्येक नोड, या कृत्रिम न्यूरॉन, दूसरे से जुड़ता है और जिसमे संबंधित और दहलीज (थ्रेशोल्ड) भार होता है। यदि किसी भी व्यक्तिगत नोड का आउटपुट निर्दिष्ट थ्रेशोल्ड मान से ऊपर है, तो वह नोड सक्रिय हो जाता है, जो नेटवर्क की अगली परत को डेटा भेजता है। अन्यथा, नेटवर्क की अगली परत के साथ कोई डेटा पारित नहीं होता है।

मानव मस्तिष्क के आधार पर, तंत्रिका नेटवर्क को मस्तिष्क में न्यूरॉन्स को सक्रिय करने के तरीके की नकल करके कम्प्यूटेशनल समस्याओं को हल करने के लिए उपयोग किया जाता है। एक संगणना के दौरान, कई कंप्यूटिंग सेल परिणाम उत्पन्न करने के लिए समानांतर में काम करते हैं। अधिकांश तंत्रिका नेटवर्क तब भी काम कर सकते हैं यदि प्रसंस्करण कोशिकाओं में से एक या अधिक विफल हो जाते हैं।

CodingHero - तंत्रिका नेटवर्क (न्यूरल नेटवर्क) कैसे काम करता है 1 How Neural Network Works 952

तंत्रिका नेटवर्क समय के साथ अपनी सटीकता सीखने और बेहतर बनाने के लिए प्रशिक्षण डेटा पर निर्भर होते हैं। हालाँकि, एक बार ये लर्निंग एल्गोरिदम सटीक हो जाते हैं, वे कंप्यूटर विज्ञान और कृत्रिम बुद्धिमत्ता में शक्तिशाली उपकरण बन जाते हैं।

वाक् पहचान या छवि पहचान के लिए जिस कार्य को करने में मानव विशेषज्ञों को घंटों लग सकते हैं, वही कार्य मिनटों में हो जाता है। सबसे प्रसिद्ध तंत्रिका नेटवर्क में से एक Google का खोज (सर्च) एल्गोरिदम है।

तंत्रिका नेटवर्क का आर्किटेक्चर

एक विशिष्ट तंत्रिका नेटवर्क में बड़ी संख्या में कृत्रिम न्यूरॉन होते हैं जो नेटवर्क के निर्माण खंड होते हैं। इन इकाइयों को परतों की एक श्रृंखला में व्यवस्थित किया जाता है। तंत्रिका नेटवर्क में मुख्य रूप से तीन प्रकार की परतें होती हैं।

इनपुट परत

इनपुट परतों में कृत्रिम न्यूरॉन्स होते हैं जो बाहरी दुनिया से इनपुट प्राप्त करते हैं। यह वह जगह है जहां नेटवर्क वास्तव में अभ्यास करता है और सीखता है।

आउटपुट परत

आउटपुट लेयर्स में कृत्रिम न्यूरॉन्स होते हैं जो सिस्टम में फीड की गई जानकारी पर प्रतिक्रिया देते हैं और यह भी कि यह किसी भी कार्य को सीखा है या नहीं।

अदृष्ट (हिडन) परत

अदृष्ट परतें वह हैं जो इनपुट और आउटपुट परतों के बीच मौजूद होती हैं। एक अदृष्ट परत का एकमात्र काम इनपुट को कुछ सार्थक में बदलना है जिसका उत्पादन परत किसी तरह से उपयोग कर सकता है।

अधिकांश कृत्रिम तंत्रिका नेटवर्क आपस में जुड़े हुए हैं, जिसका अर्थ है कि छिपी हुई प्रत्येक परत व्यक्तिगत रूप से इसकी इनपुट परत में न्यूरॉन्स से जुड़ी होती है और साथ ही आउटपुट लेयर से भी। यह सीखने की प्रक्रिया को संभव बनाता है और यह भी निश्चित करता है कि सीखने की यह प्रक्रिया अधिक से अधिक हो।

How Neural Network WorksNeural Network Architecture

तंत्रिका नेटवर्क कैसे काम करता है?

आइए एक तंत्रिका नेटवर्क पर विचार करें जैसा कि चित्र में दिखाया गया है। इसमें एक इनपुट लेयर, हिडन लेयर और आउटपुट लेयर है। समझाने की दृष्टि से, छिपी हुई परत की केवल एक परत पर विचार किया जा रहा है। असल नेटवर्क कई अतिरिक्त परतों के साथ अधिक जटिल हो सकता है। डीप लर्निंग को इस तथ्य से अपना नाम मिलता है कि कई छिपी हुई परतें हैं, एक अर्थ में तंत्रिका नेटवर्क की “गहराई” बढ़ रही है।

How Neural Network WorksSimple Neural Network

तंत्रिका नेटवर्क एक उदाहरण प्राप्त करता है और उत्तर का अनुमान लगाता है। यदि उत्तर गलत है, तो यह वापस जाता है और न्यूरॉन्स में वजन और उत्तरों को बदल देता है और कुछ मानों को बदलकर त्रुटि को ठीक करने की कोशिश करता है। इस प्रक्रिया को बैकप्रॉपैगैशन कहा जाता है और यह अनुकरण करता है कि लोग पुनरावृत्त परीक्षण और त्रुटि दृष्टिकोण का उपयोग करके किसी कार्य को करते समय क्या करते हैं।

कई बार इस प्रक्रिया को करने के बाद, तंत्रिका नेटवर्क में सुधार (सीखना) शुरू होता है और बेहतर प्रतिक्रियाएं प्रदान करता है। इनमें से प्रत्येक पुनरावृत्तियों को एपोच कहा जाता है। कभी-कभी जटिल कार्यों को सीखने के लिए प्रशिक्षण प्रदान करने में कई दिन या सप्ताह लगते हैं। एक बार तंत्रिका नेटवर्क सटीकता प्राप्त करने के बाद नेटवर्क के टोपोलॉजी को बहुत कम या कोई बदलाव नहीं किया जाता है। अब आपको एक प्रशिक्षित न्यूरल नेटवर्क मिलता है, जिसका उपयोग बार-बार किया जा सकता है, जब तक कि आपको कुछ अलग करने की आवश्यकता न हो। फिर यह प्रशिक्षण मोड में वापस आ जाता है।

{"email":"Email address invalid","url":"Website address invalid","required":"Required field missing"}
>