कृत्रिम तंत्रिका नेटवर्क (ANN)

एक कृत्रिम तंत्रिका नेटवर्क (ANN) क्या है?

एक कृत्रिम तंत्रिका नेटवर्क (एएनएन) एक कंप्यूटिंग सिस्टम का टुकड़ा है जिसे मानव मस्तिष्क के विश्लेषण और प्रक्रियाओं की जानकारी के तरीके को अनुकरण करने के लिए डिज़ाइन किया गया है। यह कृत्रिम बुद्धिमत्ता (एआई) की नींव है और समस्याओं को हल करती है जो मानव या सांख्यिकीय मानकों द्वारा असंभव या कठिन साबित होगी। ANN में स्व-सीखने की क्षमता होती है जो अधिक डेटा उपलब्ध होने पर बेहतर परिणाम देने में सक्षम बनाती है।

चाबी छीन लेना

• एक कृत्रिम तंत्रिका नेटवर्क (एएनएन) कृत्रिम बुद्धि का घटक है जो मानव मस्तिष्क के कामकाज का अनुकरण करने के लिए है।
• प्रसंस्करण इकाइयां एएनएन बनाती हैं, जो बदले में इनपुट और आउटपुट से मिलकर बनती हैं। वांछित आउटपुट का उत्पादन करने के लिए एएनएन क्या सीखता है, इनपुट हैं।
• Backpropagation कृत्रिम तंत्रिका नेटवर्क को निर्देशित करने के लिए सीखने वाले नियमों का समूह है।
• एएनएन के लिए व्यावहारिक अनुप्रयोग वित्त, व्यक्तिगत संचार, उद्योग, शिक्षा, और इसी तरह से दूर-दूर हैं।

एक कृत्रिम तंत्रिका नेटवर्क (ANN) को समझना

कृत्रिम तंत्रिका नेटवर्क मानव मस्तिष्क की तरह निर्मित होते हैं, जिसमें न्यूरॉन नोड्स एक वेब की तरह परस्पर जुड़े होते हैं। मानव मस्तिष्क में अरबों कोशिकाएँ होती हैं जिन्हें न्यूरॉन्स कहा जाता है। प्रत्येक न्यूरॉन एक सेल बॉडी से बना होता है, जो सूचनाओं (इनपुट्स) और मस्तिष्क से दूर (आउटपुट) तक सूचना ले जाने के लिए प्रसंस्करण के लिए जिम्मेदार होता है।

एक ANN में सैकड़ों या हजारों कृत्रिम न्यूरॉन्स होते हैं जिन्हें प्रोसेसिंग यूनिट कहा जाता है, जो नोड्स द्वारा परस्पर जुड़े होते हैं। ये प्रोसेसिंग यूनिट इनपुट और आउटपुट यूनिट से बनी होती हैं। इनपुट यूनिट आंतरिक भार प्रणाली के आधार पर सूचना के विभिन्न रूपों और संरचनाओं को प्राप्त करती हैं, और तंत्रिका नेटवर्क एक आउटपुट रिपोर्ट प्रस्तुत करने के लिए प्रस्तुत जानकारी के बारे में जानने का प्रयास करता है। जैसे मनुष्य को परिणाम या आउटपुट के साथ आने के लिए नियमों और दिशानिर्देशों की आवश्यकता होती है, वैसे ही ANN भी अपने आउटपुट परिणामों को सही करने के लिए बैकप्रॉपैगैशन नामक शिक्षण नियमों के एक सेट का उपयोग करते हैं, जो त्रुटि के पिछड़े प्रसार के लिए एक संक्षिप्त नाम है।

एक एएनएन शुरू में एक प्रशिक्षण चरण से गुजरता है, जहां यह डेटा में पैटर्न को पहचानना सीखता है, चाहे वह नेत्रहीन हो, या शाब्दिक रूप से। इस पर्यवेक्षित चरण के दौरान, नेटवर्क अपने वास्तविक उत्पादन की तुलना करता है जिसका उत्पादन वांछित उत्पादन के लिए होता है। बैकप्रॉपैगैनेशन का उपयोग करके दोनों परिणामों के बीच अंतर को समायोजित किया जाता है। इसका मतलब यह है कि नेटवर्क पीछे की ओर काम करता है, आउटपुट यूनिट से इनपुट यूनिटों में जाकर यूनिटों के बीच अपने कनेक्शन के वजन को समायोजित करता है जब तक कि वास्तविक और वांछित परिणाम के बीच का अंतर सबसे कम संभव त्रुटि पैदा करता है।

प्रशिक्षण और पर्यवेक्षी चरण के दौरान, ANN को सिखाया जाता है कि द्विआधारी संख्याओं के लिए हाँ / नहीं प्रश्न प्रकारों का उपयोग करके क्या देखना चाहिए और इसका आउटपुट क्या होना चाहिए। उदाहरण के लिए, एक बैंक जो समय पर क्रेडिट कार्ड धोखाधड़ी का पता लगाना चाहता है, उसके पास इन सवालों के साथ चार इनपुट इकाइयां हो सकती हैं: (1) क्या उपयोगकर्ता के निवासी देश से अलग देश में लेनदेन होता है? (२) क्या कार्ड का उपयोग बैंक की वॉच लिस्ट में कंपनियों या देशों से संबद्ध किया जा रहा है? (३) क्या लेनदेन की राशि $ २,००० से अधिक है? (४) क्या लेन-देन बिल पर नाम कार्डधारक के नाम के समान है?

बैंक चाहता है कि “धोखाधड़ी का पता चला” प्रतिक्रियाएं हां हां नहीं हां, जो बाइनरी प्रारूप में 1 1 1 0. होगी। यदि नेटवर्क का वास्तविक आउटपुट 1 0 1 0 0 है, तो यह अपने परिणामों को तब तक समायोजित करता है जब तक कि यह एक आउटपुट नहीं देता है जो इसके साथ मेल खाता है 1 1 1 0. प्रशिक्षण के बाद, कंप्यूटर सिस्टम बैंक के बहुत सारे पैसे बचाने के लिए लंबित धोखाधड़ी लेनदेन के बारे में सचेत कर सकता है।

कृत्रिम तंत्रिका नेटवर्क (ANNs) के लिए व्यावहारिक अनुप्रयोग

अर्थव्यवस्था के सभी क्षेत्रों में उपयोग के लिए विकसित होने वाले जीवन-बदलते अनुप्रयोगों के लिए कृत्रिम तंत्रिका नेटवर्क मार्ग प्रशस्त कर रहे हैं। आर्टिफिशियल इंटेलिजेंस प्लेटफॉर्म जो एएनएन पर बनाए गए हैं, वे चीजों को करने के पारंपरिक तरीकों को बाधित कर रहे हैं। वेब पेजों को अन्य भाषाओं में अनुवाद करने से लेकर वर्चुअल असिस्टेंट ऑर्डर किराने का सामान ऑनलाइन करने के लिए चैटबॉट्स के साथ बातचीत करके समस्याओं को हल करने के लिए, एआई प्लेटफॉर्म लेन-देन को आसान बना रहे हैं और सेवाओं को नगण्य लागत पर सुलभ बना रहे हैं।

सभी क्षेत्रों में कृत्रिम तंत्रिका नेटवर्क लागू किए गए हैं। ईमेल सेवा प्रदाता उपयोगकर्ता के इनबॉक्स से स्पैम का पता लगाने और हटाने के लिए ANN का उपयोग करते हैं; परिसंपत्ति प्रबंधक कंपनी के स्टॉक की दिशा का अनुमान लगाने के लिए इसका उपयोग करते हैं; क्रेडिट रेटिंग फर्म अपने क्रेडिट स्कोरिंग तरीकों को बेहतर बनाने के लिए इसका उपयोग करते हैं; ई-कॉमर्स प्लेटफॉर्म अपने दर्शकों के लिए सिफारिशों को निजीकृत करने के लिए इसका उपयोग करते हैं; चैटबॉट एएनएन के साथ प्राकृतिक भाषा प्रसंस्करण के लिए विकसित किए जाते हैं; गहरी सीखने के एल्गोरिदम किसी घटना की संभावना का अनुमान लगाने के लिए एएनएन का उपयोग करते हैं; और ANN निगमन की सूची कई क्षेत्रों, उद्योगों और देशों में चलती है।