நியூரல் நெட்வொர்க் என்றால் என்ன?

நியூரல் நெட்வொர்க் என்பது செயற்கை நுண்ணறிவு (AI) துறையில் கணினிகளை மனித மூளை போல தரவை செயலாக்க கற்றுக்கொள்ள பயன்படுத்தப்படும் ஒரு முறை ஆகும். குறிப்பாக, இது இயந்திரக் கற்றல் கிளையில் உள்ள ஆழ்ந்த கற்றல் தொழில்நுட்பமாகும் – மூளையின் நியூரல் நெட்வொர்க் போல அடுக்குகளாக அமைந்த இணைக்கப்பட்ட நோட்கள் (நியூரான்கள் போன்றவை) கொண்ட அமைப்பை பயன்படுத்துகிறது.

இந்த அமைப்புக்கு தனிமைப்படுத்தும் திறன் உள்ளது, அதாவது கணினி தன்னுடைய தவறுகளிலிருந்து கற்றுக்கொண்டு காலத்துடன் துல்லியத்தை மேம்படுத்திக் கொள்ள முடியும். "செயற்கை நியூரான்" என்ற சொல் இந்த நெட்வொர்க் அமைப்பின் மூலமாக உருவானது, இது மூளையில் நியூரான்கள் ஒருவருக்கொருவர் சிக்னல்களை எவ்வாறு பரிமாறுகின்றன என்பதைக் காட்சிப்படுத்துகிறது.

இன்று, செயற்கை நியூரல் நெட்வொர்க்கள் பெரிதும் பிரபலமாகி பல துறைகளிலும் முன்னணி கருவியாகவும், மேம்பட்ட AI அமைப்புகளின் அடிப்படையாகவும் உள்ளன. இவை நவீன ஆழ்ந்த கற்றல் ஆல்கொரிதம்களின் முதுகெலும்பாக விளங்குகின்றன – சமீபத்திய AI முன்னேற்றங்கள் பெரும்பாலும் ஆழ்ந்த நியூரல் நெட்வொர்க்களின் அடையாளத்தைக் கொண்டவை.

நியூரல் நெட்வொர்க்களின் அமைப்பு மற்றும் செயல்பாட்டு முறை

செயற்கை நியூரல் நெட்வொர்க்கள் உயிரியல் மூளையிலிருந்து பெறப்பட்ட ஊக்கத்தின்படி கட்டமைக்கப்பட்டுள்ளன. மனித மூளையில் பல பில்லியன் நியூரான்கள் சிக்கலான முறையில் இணைக்கப்பட்டு மின்னழுத்த சிக்னல்களை பரிமாறி தகவலை செயலாக்குகின்றன; அதேபோல், செயற்கை நியூரல் நெட்வொர்க்கள் பல செயற்கை நியூரான்கள் (மென்பொருள் அலகுகள்) கொண்டவை, அவை குறிப்பிட்ட பணியைச் செய்ய இணைக்கப்பட்டுள்ளன.

ஒவ்வொரு செயற்கை நியூரானும் உள்ளீட்டு சிக்னல்களை பெறும், அவற்றை செயலாக்கி அடுத்த நியூரானுக்கு வெளியீட்டு சிக்னல்களை வழங்கும் கணித செயல்பாடு ஆகும். இந்த நியூரான்கள் இடையேயான இணைப்புகள் மனித மூளையின் சினாப்ஸ்களைப் போல செயல்படுகின்றன.

— நியூரல் நெட்வொர்க் கட்டமைப்பு அடிப்படைகள்

இந்த முறை மூலம், முக்கியமான சிக்னல்கள் (உயர் எடையுடையவை) நெட்வொர்க்கில் பரவுகின்றன, குறைந்த அல்லது சத்தமான சிக்னல்கள் தடுக்கப்படுகின்றன.

ஒரு நியூரல் நெட்வொர்க்கில் பல மறை அடுக்குகள் (பொதுவாக இரண்டு மேல்) இருந்தால், அதை ஆழ்ந்த நியூரல் நெட்வொர்க் என்று அழைக்கின்றனர். ஆழ்ந்த நியூரல் நெட்வொர்க்கள் தற்போதைய ஆழ்ந்த கற்றல் தொழில்நுட்பங்களின் அடித்தளம் ஆகும். இவை மில்லியன் கணக்கான அளவுருக்கள் கொண்டவை மற்றும் உள்ளீடுகளுக்கும் வெளியீடுகளுக்கும் இடையேயான மிக சிக்கலான அசமமிதமான உறவுகளை கற்றுக்கொள்ள முடியும்.

நியூரல் நெட்வொர்க் அமைப்பு மற்றும் செயல்பாட்டு முறை

செயற்கை நியூரல் நெட்வொர்க்களின் பயிற்சி செயல்முறை

நியூரல் நெட்வொர்க் என்பது நிலையான விதிகளுடன் நிரலாக்கப்பட்ட கடுமையான அமைப்பு அல்ல, தரவு உதாரணங்களின் மூலம் பணிகளை தீர்க்க கற்றுக்கொள்கிறது. நியூரல் நெட்வொர்க்கை "பயிற்சி" செய்வது என்று அழைக்கப்படுகிறது.

இந்த பிழையின் அடிப்படையில், நெட்வொர்க் எடைகளை புதுப்பிக்கிறது—சரியான முன்னறிவுகளுக்கு வழிவகுத்த இணைப்புகளை வலுப்படுத்தி, பிழைகளுக்கு வழிவகுத்தவை பலவீனப்படுத்துகிறது. இந்த செயல்முறை ஆயிரக்கணக்கான அல்லது மில்லியன் கணக்கான முறைகள் வரை தொடர்கிறது, நியூரல் நெட்வொர்க் முன்னறிவு பிழை ஏற்றுக்கொள்ளக்கூடிய அளவில் குறையும் வரை.

பயிற்சிக்குப் பிறகு, நியூரல் நெட்வொர்க் பொதுவாக்கம் செய்ய முடியும்: அது பயிற்சி தரவை மட்டும் "நினைவில்" வைக்காமல், கற்றுக்கொண்டதைப் பயன்படுத்தி புதிய, காணாத தரவுகளையும் முன்னறிவிக்க முடியும். பயிற்சி மேற்பார்வை, மேற்பார்வையற்ற அல்லது வலுவூட்டும் கற்றல் ஆகியவையாக இருக்கலாம், குறிப்பிட்ட பணியின் அடிப்படையில்.

நெட்வொர்க் தரவின் மறைமுக மாதிரிகளை கற்றுக்கொள்ள வேண்டும் என்பது நோக்கம். நன்கு பயிற்சி பெற்ற பிறகு, செயற்கை நியூரல் நெட்வொர்க்கள் வேகமான மற்றும் துல்லியமான வகைப்படுத்தல், அடையாளம் காணல் அல்லது முன்னறிவிப்பு போன்ற சக்திவாய்ந்த கருவிகளாக மாறுகின்றன—for example, கூகுளின் தேடல் ஆல்கொரிதம் ஒரு பிரபலமான பெரிய அளவிலான நியூரல் நெட்வொர்க் ஆகும்.

— நடைமுறையில் ஆழ்ந்த கற்றல் பயன்பாடுகள்

பல நியூரல் நெட்வொர்க் கட்டமைப்புகள் வெவ்வேறு தரவுகளுக்கும் பணிகளுக்கும் பொருத்தமாக உருவாக்கப்பட்டுள்ளன. இவற்றில் ஒவ்வொன்றும் சிறிது வேறுபட்ட அமைப்புகளும் செயல்பாட்டு முறைகளும் கொண்டாலும், அனைத்தும் பொதுவான நியூரல் நெட்வொர்க் கொள்கையை பின்பற்றுகின்றன: பல இணைக்கப்பட்ட நியூரான்கள் தரவிலிருந்து கற்றுக்கொள்கின்றன.

செயற்கை நியூரல் நெட்வொர்க் பயிற்சி செயல்முறை

செயற்கை நியூரல் நெட்வொர்க்களின் நடைமுறை பயன்பாடுகள்

அவர்கள் கற்றுக்கொள்ளும் மற்றும் சிக்கலான மாதிரிகளை செயலாக்கும் திறனுக்காக, செயற்கை நியூரல் நெட்வொர்க்கள் பல்வேறு துறைகளில் பரவலாக பயன்படுத்தப்படுகின்றன. கீழே நியூரல் நெட்வொர்க்களின் சில சாதாரண பயன்பாடுகள் கொடுக்கப்பட்டுள்ளன:

செயற்கை நியூரல் நெட்வொர்க்களின் நடைமுறை பயன்பாடுகள்

எதிர்கால பார்வை மற்றும் முடிவு

படங்கள் மற்றும் ஒலியை பகுப்பாய்வு செய்வது முதல் மொழியை புரிந்து கொண்டு போக்குகளை முன்னறிவிப்பது வரை, நியூரல் நெட்வொர்க்கள் புதிய வாய்ப்புகளைத் திறந்துள்ளன. எதிர்காலத்தில், பெரிய தரவு மற்றும் கணினி சக்தி வளர்ச்சியுடன், செயற்கை நியூரல் நெட்வொர்க்கள் தொடர்ந்து மேம்பட்டு மேலும் முன்னேற்ற பயன்பாடுகளை வழங்குவதாக நம்பப்படுகிறது, அடுத்த தலைமுறை புத்திசாலி தொழில்நுட்பத்தை வடிவமைக்க உதவுகின்றன.

INVIAI உடன் தொடர்ந்தும் பயனுள்ள தகவல்களைப் பெறுங்கள்!