What is Artificial neural network in Hindi | types of artificial neural network - Computer in Hindi | Business in Hindi

Monday, September 20, 2021

What is Artificial neural network in Hindi | types of artificial neural network

Artificial neural network in Hindi


Artificial neural network एएनएन की बुनियादी और उन्नत अवधारणाएं प्रदान करता है। हमारा Artificial neural network tutorial शुरुआती और साथ ही व्यवसायों के लिए विकसित किया गया है।


शब्द "Artificial neural network" मस्तिष्क के बाद तैयार किए गए कृत्रिम बुद्धि के जैविक रूप से प्रेरित उप-क्षेत्र को संदर्भित करता है। एक कृत्रिम तंत्रिका नेटवर्क आमतौर पर जैविक तंत्रिका नेटवर्क पर आधारित एक कम्प्यूटेशनल नेटवर्क होता है जो मानव मस्तिष्क की संरचना का निर्माण करता है। जैसे मानव मस्तिष्क में न्यूरॉन्स एक दूसरे से जुड़े होते हैं, कृत्रिम तंत्रिका नेटवर्क में भी न्यूरॉन्स होते हैं जो नेटवर्क की विभिन्न परतों में एक दूसरे से जुड़े होते हैं। इन न्यूरॉन्स को नोड्स के रूप में जाना जाता है।


Artificial neural network ट्यूटोरियल कृत्रिम तंत्रिका नेटवर्क से संबंधित सभी पहलुओं को शामिल करता है। इस ट्यूटोरियल में, हम एएनएन, एडेप्टिव रेजोनेंस थ्योरी, कोहोनेन सेल्फ-ऑर्गनाइजिंग मैप, बिल्डिंग ब्लॉक्स, अनसुपर्वाइज्ड लर्निंग, जेनेटिक एल्गोरिथम आदि पर चर्चा करेंगे।


What is Artificial Neural Network in Hindi? 

शब्द "Artificial Neural Network" जैविक तंत्रिका नेटवर्क से लिया गया है जो मानव मस्तिष्क की संरचना को विकसित करता है। मानव मस्तिष्क के समान जिसमें न्यूरॉन्स एक दूसरे से जुड़े होते हैं, कृत्रिम तंत्रिका नेटवर्क में भी न्यूरॉन्स होते हैं जो नेटवर्क की विभिन्न परतों में एक दूसरे से जुड़े होते हैं। इन न्यूरॉन्स को नोड्स के रूप में जाना जाता है।


artificial neural network in Hindi
artificial neural network in Hindi


दिया गया चित्र जैविक तंत्रिका नेटवर्क के विशिष्ट आरेख को दर्शाता है।


ठेठ कृत्रिम तंत्रिका नेटवर्क दिए गए आंकड़े की तरह कुछ दिखता है।


artificial neural network notes
artificial neural network notes



source : javatpoint.com



जैविक तंत्रिका नेटवर्क से डेंड्राइट (Dendrites) Artificial Neural Network में इनपुट का प्रतिनिधित्व करते हैं, सेल न्यूक्लियस नोड्स का प्रतिनिधित्व करता है, सिनैप्स वज़न का प्रतिनिधित्व करता है, और एक्सॉन आउटपुट का प्रतिनिधित्व करता है।


जैविक तंत्रिका नेटवर्क और कृत्रिम तंत्रिका नेटवर्क के बीच संबंध:


artificial neural network pdf
artificial neural network pdf



आर्टिफिशियल इंटेलिजेंस के क्षेत्र में एक artificial neural network जहां यह न्यूरॉन्स के नेटवर्क की नकल करने का प्रयास करता है, एक मानव मस्तिष्क बनाता है ताकि कंप्यूटर के पास चीजों को समझने और मानव की तरह निर्णय लेने का विकल्प हो। कृत्रिम तंत्रिका नेटवर्क को प्रोग्रामिंग कंप्यूटरों द्वारा केवल परस्पर जुड़े मस्तिष्क कोशिकाओं की तरह व्यवहार करने के लिए डिज़ाइन किया गया है।


मानव मस्तिष्क में लगभग 1000 अरब न्यूरॉन्स होते हैं। प्रत्येक न्यूरॉन का जुड़ाव बिंदु कहीं न कहीं 1,000 और 100,000 की सीमा में होता है। मानव मस्तिष्क में, डेटा को इस तरह से संग्रहीत किया जाता है जैसे कि वितरित किया जाता है, और जब आवश्यक हो तो हम इस डेटा के एक से अधिक टुकड़े को अपनी मेमोरी से समानांतर रूप से निकाल सकते हैं। हम कह सकते हैं कि मानव मस्तिष्क अविश्वसनीय रूप से अद्भुत समानांतर प्रोसेसर से बना है।


हम एक उदाहरण के साथ artificial neural network को समझ सकते हैं, एक डिजिटल लॉजिक गेट के उदाहरण पर विचार करें जो एक इनपुट लेता है और एक आउटपुट देता है। "OR" गेट, जो दो इनपुट लेता है। यदि एक या दोनों इनपुट "चालू" हैं, तो हमें आउटपुट में "चालू" मिलता है। यदि दोनों इनपुट "ऑफ" हैं, तो हमें आउटपुट में "ऑफ" मिलता है। यहां आउटपुट इनपुट पर निर्भर करता है। हमारा दिमाग एक जैसा काम नहीं करता है। हमारे मस्तिष्क में न्यूरॉन्स की वजह से इनपुट संबंधों के आउटपुट बदलते रहते हैं, जो "सीखना" हैं।


 architecture of an artificial neural network in Hindi

artificial neural network की वास्तुकला की अवधारणा को समझने के लिए, हमें यह समझना होगा कि तंत्रिका नेटवर्क में क्या होता है। एक तंत्रिका नेटवर्क को परिभाषित करने के लिए जिसमें बड़ी संख्या में कृत्रिम न्यूरॉन्स होते हैं, जिन्हें परतों के अनुक्रम में व्यवस्थित इकाइयाँ कहा जाता है। आइए हम कृत्रिम तंत्रिका नेटवर्क में उपलब्ध विभिन्न प्रकार की परतों को देखें।


artificial neural network में मुख्य रूप से तीन परतें होती हैं:


architecture of an artificial neural network in Hindi
 architecture of an artificial neural network in Hindi



  • Input Layer:


जैसा कि नाम से पता चलता है, यह प्रोग्रामर द्वारा प्रदान किए गए कई अलग-अलग स्वरूपों में इनपुट स्वीकार करता है।


  • Hidden Layer:


छिपी हुई परत इनपुट और आउटपुट परतों के बीच में प्रस्तुत करती है। यह छिपी हुई विशेषताओं और पैटर्न को खोजने के लिए सभी गणना करता है।


  • Output Layer


इनपुट छिपी हुई परत का उपयोग करके परिवर्तनों की एक श्रृंखला से गुजरता है, जिसके परिणामस्वरूप अंत में इस परत का उपयोग करके आउटपुट को व्यक्त किया जाता है।


कृत्रिम तंत्रिका नेटवर्क इनपुट लेता है और इनपुट के भारित योग की गणना करता है और इसमें एक पूर्वाग्रह शामिल होता है। यह गणना एक स्थानांतरण फ़ंक्शन के रूप में प्रस्तुत की जाती है।


neural network in hindi
neural network in hindi



यह निर्धारित करता है कि भारित कुल आउटपुट का उत्पादन करने के लिए एक सक्रियण फ़ंक्शन के इनपुट के रूप में पारित किया जाता है। सक्रियण कार्य यह चुनते हैं कि नोड को सक्रिय होना चाहिए या नहीं। केवल जिन्हें निकाल दिया जाता है वे इसे आउटपुट लेयर में बनाते हैं। विशिष्ट सक्रियण कार्य उपलब्ध हैं जिन्हें हम जिस प्रकार के कार्य कर रहे हैं उस पर लागू किया जा सकता है।


Advantages of Artificial Neural Network in Hindi

  • Parallel processing capability:


कृत्रिम तंत्रिका नेटवर्क का एक संख्यात्मक मान होता है जो एक साथ एक से अधिक कार्य कर सकता है।


  • Storing data on the entire network:


पारंपरिक प्रोग्रामिंग में उपयोग किया जाने वाला डेटा पूरे नेटवर्क पर संग्रहीत होता है, डेटाबेस पर नहीं। डेटा के एक-दो टुकड़ों का एक ही स्थान पर गायब होना नेटवर्क को काम करने से नहीं रोकता है।


  • Capability to work with incomplete knowledge:


एएनएन प्रशिक्षण के बाद, जानकारी अपर्याप्त डेटा के साथ भी आउटपुट दे सकती है। यहां प्रदर्शन का नुकसान लापता डेटा के महत्व पर निर्भर करता है।


  • Having a memory distribution:


एएनएन को अनुकूलित करने में सक्षम होने के लिए, उदाहरणों को निर्धारित करना और नेटवर्क को इन उदाहरणों को नेटवर्क पर प्रदर्शित करके वांछित आउटपुट के अनुसार प्रोत्साहित करना महत्वपूर्ण है। नेटवर्क का उत्तराधिकार सीधे चुने हुए इंस्टेंस के समानुपाती होता है, और यदि ईवेंट नेटवर्क के सभी पहलुओं में प्रकट नहीं हो सकता है, तो यह गलत आउटपुट उत्पन्न कर सकता है।


Having fault tolerance:


एएनएन की एक या अधिक कोशिकाओं का जबरन वसूली इसे आउटपुट उत्पन्न करने से नहीं रोकता है, और यह सुविधा नेटवर्क को दोष-सहिष्णुता बनाती है।


Disadvantages of Artificial Neural Network in Hindi

  • उचित नेटवर्क संरचना का आश्वासन [Assurance of proper network structure:]


कृत्रिम तंत्रिका नेटवर्क की संरचना का निर्धारण करने के लिए कोई विशेष दिशानिर्देश नहीं है। उपयुक्त नेटवर्क संरचना अनुभव, परीक्षण और त्रुटि के माध्यम से प्राप्त की जाती है।


  • नेटवर्क का अपरिचित व्यवहार [Unrecognized behavior of the network]


यह एएनएन का सबसे महत्वपूर्ण मुद्दा है। जब एएनएन एक परीक्षण समाधान तैयार करता है, तो यह क्यों और कैसे के बारे में अंतर्दृष्टि प्रदान नहीं करता है। यह नेटवर्क में विश्वास को कम करता है।


  • हार्डवेयर निर्भरता [Hardware dependence]


कृत्रिम तंत्रिका नेटवर्क को उनकी संरचना के अनुसार समानांतर प्रसंस्करण शक्ति वाले प्रोसेसर की आवश्यकता होती है। इसलिए, उपकरण की प्राप्ति निर्भर है।


  • नेटवर्क को समस्या दिखाने में कठिनाई [Difficulty of showing the issue to the network]


एएनएन संख्यात्मक डेटा के साथ काम कर सकते हैं। एएनएन में पेश किए जाने से पहले समस्याओं को संख्यात्मक मानों में परिवर्तित किया जाना चाहिए। यहां हल की जाने वाली प्रस्तुति तंत्र सीधे नेटवर्क के प्रदर्शन को प्रभावित करेगी। यह उपयोगकर्ता की क्षमताओं पर निर्भर करता है।


  • नेटवर्क की अवधि अज्ञात है [The duration of the network is unknown]


नेटवर्क त्रुटि के एक विशिष्ट मान तक कम हो जाता है, और यह मान हमें इष्टतम परिणाम नहीं देता है।


working of artificial neural networks in Hindi

artificial neural networks को भारित निर्देशित ग्राफ के रूप में सबसे अच्छा प्रतिनिधित्व किया जा सकता है, जहां कृत्रिम न्यूरॉन्स नोड्स बनाते हैं। न्यूरॉन्स आउटपुट और न्यूरॉन इनपुट के बीच संबंध को वजन के साथ निर्देशित किनारों के रूप में देखा जा सकता है। आर्टिफिशियल न्यूरल नेटवर्क एक पैटर्न के रूप में बाहरी स्रोत से इनपुट सिग्नल और वेक्टर के रूप में छवि प्राप्त करता है। इन इनपुटों को गणितीय रूप से प्रत्येक n इनपुट के लिए नोटेशन x(n) द्वारा असाइन किया जाता है।


artificial neural networks
artificial neural networks



बाद में, प्रत्येक इनपुट को उसके संबंधित वज़न से गुणा किया जाता है (ये वज़न एक विशिष्ट समस्या को हल करने के लिए कृत्रिम तंत्रिका नेटवर्क द्वारा उपयोग किए जाने वाले विवरण हैं)। सामान्य शब्दों में, ये भार सामान्य रूप से कृत्रिम तंत्रिका नेटवर्क के अंदर न्यूरॉन्स के बीच अंतर्संबंध की ताकत का प्रतिनिधित्व करते हैं। सभी भारित इनपुट को कंप्यूटिंग यूनिट के अंदर संक्षेपित किया गया है।


यदि भारित योग शून्य के बराबर है, तो आउटपुट को गैर-शून्य या सिस्टम की प्रतिक्रिया के पैमाने पर कुछ और बनाने के लिए पूर्वाग्रह जोड़ा जाता है। पूर्वाग्रह में एक ही इनपुट होता है, और वजन 1 के बराबर होता है। यहां भारित इनपुट की कुल संख्या 0 से सकारात्मक अनंत तक हो सकती है। यहां, प्रतिक्रिया को वांछित मूल्य की सीमा में रखने के लिए, एक निश्चित अधिकतम मूल्य को बेंचमार्क किया जाता है, और कुल भारित इनपुट को सक्रियण फ़ंक्शन के माध्यम से पारित किया जाता है।


सक्रियण फ़ंक्शन वांछित आउटपुट प्राप्त करने के लिए उपयोग किए जाने वाले स्थानांतरण कार्यों के सेट को संदर्भित करता है। सक्रियण फ़ंक्शन का एक अलग प्रकार होता है, लेकिन मुख्य रूप से या तो रैखिक या गैर-रैखिक कार्यों के सेट होते हैं। सक्रियण कार्यों के कुछ सामान्य रूप से उपयोग किए जाने वाले सेट बाइनरी, लीनियर और टैन हाइपरबोलिक सिग्मॉइडल सक्रियण फ़ंक्शन हैं। आइए हम उनमें से प्रत्येक को विस्तार से देखें:


  • Binary:

बाइनरी सक्रियण फ़ंक्शन में, आउटपुट या तो एक या 0 होता है। यहां, इसे पूरा करने के लिए, एक थ्रेशोल्ड मान सेट किया गया है। यदि न्यूरॉन्स का शुद्ध भारित इनपुट 1 से अधिक है, तो सक्रियण फ़ंक्शन का अंतिम आउटपुट एक के रूप में वापस आ जाता है या फिर आउटपुट 0 के रूप में वापस आ जाता है।


  • Sigmoidal Hyperbolic:

Sigmoidal Hyperbola function को आम तौर पर "एस" आकार के वक्र के रूप में देखा जाता है। यहां टैन हाइपरबोलिक फ़ंक्शन का उपयोग वास्तविक शुद्ध इनपुट से आउटपुट का अनुमान लगाने के लिए किया जाता है। फ़ंक्शन को इस प्रकार परिभाषित किया गया है:


F(x) = (1/1 + exp(-????x))


कहा पे ???? स्टीपनेस पैरामीटर माना जाता है।


Types of Artificial Neural Network in Hindi

मानव मस्तिष्क न्यूरॉन और नेटवर्क कार्यों के आधार पर विभिन्न प्रकार के कृत्रिम तंत्रिका नेटवर्क (एएनएन) हैं, एक कृत्रिम तंत्रिका नेटवर्क इसी तरह कार्य करता है। अधिकांश कृत्रिम तंत्रिका नेटवर्क में अधिक जटिल जैविक भागीदार के साथ कुछ समानताएं होंगी और वे अपने अपेक्षित कार्यों में बहुत प्रभावी हैं। उदाहरण के लिए, विभाजन या वर्गीकरण।


  • Feedback ANN:

इस प्रकार के एएनएन में, आंतरिक रूप से सर्वोत्तम विकसित परिणामों को पूरा करने के लिए आउटपुट नेटवर्क में वापस आ जाता है। मैसाचुसेट्स विश्वविद्यालय के अनुसार, लोवेल सेंटर फॉर एटमॉस्फेरिक रिसर्च। फीडबैक नेटवर्क सूचनाओं को अपने आप में वापस फीड करते हैं और अनुकूलन मुद्दों को हल करने के लिए उपयुक्त हैं। आंतरिक सिस्टम त्रुटि सुधार फीडबैक एएनएन का उपयोग करते हैं।


  • Feed-Forward ANN:

एक फीड-फॉरवर्ड नेटवर्क एक बुनियादी तंत्रिका नेटवर्क है जिसमें एक इनपुट परत, एक आउटपुट परत, और एक न्यूरॉन की कम से कम एक परत होती है। इसके इनपुट की समीक्षा करके इसके आउटपुट के आकलन के माध्यम से, संबंधित न्यूरॉन्स के समूह व्यवहार के आधार पर नेटवर्क की तीव्रता को देखा जा सकता है, और आउटपुट तय किया जाता है। इस नेटवर्क का प्राथमिक लाभ यह है कि यह यह पता लगाता है कि इनपुट पैटर्न का मूल्यांकन और पहचान कैसे करें।

  • Prerequisite

इस ट्यूटोरियल को शुरू करने से पहले किसी विशेष विशेषज्ञता की आवश्यकता नहीं है।


  • Audience

हमारे आर्टिफिशियल न्यूरल नेटवर्क ट्यूटोरियल को शुरुआती और पेशेवरों के लिए विकसित किया गया है, ताकि उन्हें एएनएन की मूल अवधारणा को समझने में मदद मिल सके।


  • Problems

हम आपको विश्वास दिलाते हैं कि इस कृत्रिम तंत्रिका नेटवर्क ट्यूटोरियल में आपको कोई समस्या नहीं मिलेगी। लेकिन अगर कोई समस्या या गलती है, तो कृपया समस्या को संपर्क फ़ॉर्म में पोस्ट करें ताकि हम इसे और बेहतर बना सकें।

No comments:

Post a Comment