न्यूरल नेटवर्क का परिचय
मस्तिष्क से प्रेरित एल्गोरिदम 👋
पिछले पाठ में आपने डिसीज़न ट्री, KNN और लीनियर रिग्रेशन सीखे। ये शक्तिशाली हैं - लेकिन चेहरा पहचानने या भाषा समझने जैसे जटिल कार्यों में संघर्ष करते हैं।
इसके लिए हमें न्यूरल नेटवर्क चाहिए - एल्गोरिदम जो आपके मस्तिष्क की कार्यप्रणाली से प्रेरित हैं।
न्यूरॉन से कृत्रिम न्यूरॉन तक 🔬
आपके मस्तिष्क में लगभग 86 अरब न्यूरॉन हैं। हर एक:
- अन्य न्यूरॉन से सिग्नल प्राप्त करता है
- उन सिग्नलों को प्रोसेस करता है (जोड़ता है)
- फ़ैसला करता है कि फायर करना है या नहीं
कृत्रिम न्यूरॉन भी ऐसा ही करता है, लेकिन संख्याओं के साथ:
- इनपुट के रूप में संख्याएं प्राप्त करता है
- हर इनपुट को एक वेट से गुणा करता है
- सब जोड़ देता है
- एक्टिवेशन फ़ंक्शन से फ़ैसला करता है
इनपुट वेट योग एक्टिवेशन आउटपुट
────── ──── ─── ────────── ──────
x₁ = 0.5 ──→ w₁ = 0.8 ─┐
├──→ 1.25 ──→ f(1.25) ──→ 0.78
x₂ = 0.3 ──→ w₂ = 1.5 ─┘
योग = (0.5 × 0.8) + (0.3 × 1.5) = 0.40 + 0.85 = 1.25
वेट को मिक्सिंग बोर्ड पर वॉल्यूम नॉब्स की तरह सोचें। हर इनपुट एक अलग वाद्ययंत्र है। वेट नियंत्रित करते हैं कि हर वाद्ययंत्र कितना तेज़ है। न्यूरॉन उन्हें मिलाता है, और एक्टिवेशन फ़ंक्शन फ़ैसला करता है कि संयुक्त ध्वनि आगे भेजने लायक है या नहीं।
परतें: न्यूरॉन कैसे संगठित होते हैं 🏗️
एक अकेला न्यूरॉन ज़्यादा कुछ नहीं कर सकता। शक्ति परतों में संगठित होने से आती है।
1. इनपुट लेयर - आँखें और कान 👀
- कच्चा डेटा प्राप्त करती है
- हर इनपुट फ़ीचर के लिए एक न्यूरॉन
2. हिडन लेयर - सोचने वाला दिमाग 🧠
- यहाँ असली सीखना होता है
- हर न्यूरॉन डेटा में एक पैटर्न खोजता है
Discussion
Sign in to join the discussion