कृत्रिम तंत्रिका नेटवर्क (ANN) एक कंप्यूटिंग सिस्टम के टुकड़े हैं जो मानव मस्तिष्क के विश्लेषण और प्रक्रियाओं की जानकारी के तरीके को अनुकरण करने के लिए डिज़ाइन किए गए हैं। वे आर्टिफिशियल इंटेलिजेंस (एआई) की नींव हैं और उन समस्याओं को हल करते हैं जो मानव या सांख्यिकीय मानकों द्वारा असंभव या कठिन साबित होंगे। ANN में स्व-सीखने की क्षमता होती है जो कि अधिक डेटा उपलब्ध होने के कारण उन्हें बेहतर परिणाम देने में सक्षम बनाती है।
कृत्रिम तंत्रिका नेटवर्क को तोड़ना (ANN)
कृत्रिम तंत्रिका नेटवर्क (ANN) अर्थव्यवस्था के सभी क्षेत्रों में उपयोग के लिए विकसित होने वाले जीवन-परिवर्तन अनुप्रयोगों के लिए मार्ग प्रशस्त कर रहे हैं। आर्टिफिशियल इंटेलिजेंस (एआई) प्लेटफॉर्म जो एएनएन पर बने हैं, वे पारंपरिक तरीके से काम करने में बाधा डाल रहे हैं। वेब पेजों को अन्य भाषाओं में अनुवाद करने से लेकर वर्चुअल असिस्टेंट ऑर्डर किराने का सामान ऑनलाइन करने के लिए चैटबॉट्स से बातचीत करके समस्याओं को हल करने के लिए, एआई प्लेटफॉर्म लेन-देन को आसान बना रहे हैं और सेवाओं को नगण्य लागतों पर सुलभ बना रहे हैं।
तंत्र कैसे काम करता है?
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 सूचना (इनपुट्स) और मस्तिष्क से दूर (आउटपुट) तक सूचना ले जाने के लिए प्रसंस्करण के लिए जिम्मेदार होता है। ANN में सैकड़ों या हजारों कृत्रिम न्यूरॉन होते हैं जिन्हें प्रोसेसिंग यूनिट कहा जाता है, जो नोड्स द्वारा परस्पर जुड़े होते हैं। ये प्रसंस्करण इकाइयाँ इनपुट और आउटपुट इकाइयों 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 सीखने के नियमों के एक सेट का उपयोग करते हैं, जिसे बैकप्रोपेगेशन कहा जाता है, जो अपने आउटपुट परिणामों को सही करने के लिए त्रुटि के पीछे 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 शारीरिक रूप से। इस पर्यवेक्षित चरण के दौरान, नेटवर्क अपने वास्तविक उत्पादन की तुलना करता है जो कि उत्पादन के लिए था, अर्थात वांछित आउटपुट। बैकप्रोपैजेशन का उपयोग करके दोनों परिणामों के बीच अंतर को समायोजित किया जाता है। इसका अर्थ है कि नेटवर्क आउटपुट इकाइयों से इनपुट इकाइयों तक पिछड़े जा रहा है जो इकाइयों के बीच अपने कनेक्शन के वजन को समायोजित करने के लिए वास्तविक और वांछित परिणाम के बीच अंतर को कम से कम संभव त्रुटि पैदा करता है।
प्रशिक्षण और पर्यवेक्षी चरण के दौरान, ANN को सिखाया जाता है कि द्विआधारी संख्याओं के लिए हां / नहीं प्रश्न प्रकारों का उपयोग करके क्या देखना चाहिए और इसका उत्पादन 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? (3) क्या लेनदेन की राशि $ 2, 000 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 हां न करें, जो बाइनरी प्रारूप में 1 1 1 0. होगा। 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।
व्यवहारिक अनुप्रयोग
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; गहन शिक्षण 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।
