इसके बजाय एक अग्रदूत
हाल के दिनों में, भाग्य ने मुझे न्यूरल नेटवर्क्स (एनएस) के क्षेत्र में पहुंचा दिया है। यह सवाल मुझे बेहद दिलचस्प लगा, और, मैं क्या छिपा सकता हूं, गंभीरता से वादा कर रहा हूं। आह, नेशनल असेंबली के आधार पर क्या किया जा सकता है, यह केवल एक विचार के साथ खोला गया है, यदि केवल थोड़ा और विकसित किया जा सकता है! और अभी हाल ही में, एक दिलचस्प (मेरी राय में, निश्चित रूप से) अवधारणा मेरे सिर में आ गई। अरे हां, मैं किसी भी तरह से नेशनल असेंबली के मामले में अपने निर्णयों की सच्चाई और वैधता का ढोंग नहीं करता, इसके लिए, ईमानदारी से कहूं, तो इस क्षेत्र में मैं एक शौकिया हूं (मैं केवल अब के लिए विश्वास करना चाहता हूं)। फिर भी, मैं वास के तहत उत्सुक को आमंत्रित करता हूं। मैं इंतजार करता हूं (रचनात्मक राय के लिए), मुझे आशा है कि (कृपालुता के लिए) और मुझे विश्वास है (समझ में)।
पैर कहाँ से बढ़ते हैं?
हाल ही में एक पुराना वाक्यांश सुना है: "एक व्यक्ति गलतियों से सीखता है," और नेशनल असेंबली के बारे में सोचकर, मैं इन संरचनाओं के अप्रत्याशित हाइब्रिड पर आया। असल में, वह कैसा था? एक कृत्रिम न्यूरॉन एक जीवित मानव न्यूरॉन का "एनालॉग" है। बेशक, एनालॉग कच्चा है, लेकिन कुछ भी नहीं है कि उन्हें एक शब्द में नहीं बुलाया जाता है। एक नियम के रूप में, एनएस की संरचना की परवाह किए बिना, वे सभी सही उदाहरणों के साथ सीखते हैं: संदर्भ वेक्टर एक्स इनपुट को खिलाया जाता है, इसी वेक्टर वाई आउटपुट है। जब तक एनएस ने जानकारी नहीं ली है तब तक प्रक्रिया दोहराई जाती है। मैं निम्नलिखित स्थिति के साथ सीखने के समान तरीके की तुलना करूंगा। व्यक्ति के सामने एक कागज़ की एक शीट रखो जिस पर एक सीधी रेखा खींची गई है। फिर हम दिखाएंगे कि एक सीधी रेखा कैसे खींची जाती है (हम शीट पर एक बिंदु पर पेंसिल डालते हैं, हम शीट से आगे बढ़ते रहते हैं, फिर इसे छोड़ देते हैं)। हम प्रक्रिया को कई बार दोहराते हैं जब तक कि एक व्यक्ति को यह याद न हो कि एक सीधी रेखा कैसे खींची जाती है। और अंत में, परीक्षण विषय को उसी रेखा को स्वयं बनाने दें। कहने की जरूरत नहीं है, एक व्यक्ति सफल नहीं होगा। अधिक सटीक रूप से यह बाहर निकलेगा, लेकिन रेखा सीधी नहीं होगी। सीधे संदर्भ नहीं। कहानी के इस बिंदु पर, यह रोने का समय है: "अहा!" - और मेरे विचार के अगले भाग पर जाएं।
Antineyrony
जैसा कि पहले ही ऊपर कहा गया है, एनएस सही उदाहरणों से सीखते हैं। एक कृत्रिम न्यूरॉन मानव का एक "एनालॉग" है, लेकिन, जैसा कि उदाहरण से देखा गया था, कि कितने लोग एक सीधी रेखा नहीं दिखाते हैं, उसने इसे सीधे नहीं खींचा। तो क्या करें? चलो विपरीत से जाने की कोशिश करते हैं। यदि संदर्भ नमूना वांछित प्रभाव नहीं देता है, तो हम सटीक विपरीत की कोशिश करेंगे - हम एनएस को त्रुटियों पर प्रशिक्षित करेंगे! इस प्रकार, काल्पनिक नेटवर्क के इनपुट को एक्स का गलत मान दिया जाएगा, और आउटपुट को वाई के संबंधित मूल्य को सौंपा जाएगा और इस मामले में क्या होगा? लेकिन यह पता चला है कि हम सबसे कच्चे रास्ते में विकल्पों के स्थान को सीमित करेंगे। पहले से ही परिचित उदाहरण के साथ मेरे तर्क को चित्रित करते हुए, हम विषय को एक शासक की पेशकश करते हैं, अर्थात्, हम एक रेखा खींचने के लिए विकल्पों की जगह को सीमित करते हैं (पढ़ें - एक शीट)। पहले से ही ऐसी समस्या के साथ, हमारे अशुभ विषय का सामना करना चाहिए। तो हमें वही मिला जो हम चाहते थे - एक सीधी रेखा।
असल में, आप पूछते हैं कि एंटीन्योरन का इससे क्या लेना-देना है? तो उस सब के लिए, मैं आपको जवाब दूंगा! यदि साधारण कृत्रिम न्यूरॉन्स को सही नमूने पर प्रशिक्षित किया जाता है, तो गलत डेटा पर प्रशिक्षित न्यूरॉन्स को एंटीन्यूरॉन कहा जाता है। हमने शब्दावली का पता लगा लिया है, चलो आगे बढ़ते हैं।
डेटा प्रारूप
अच्छे तरीके से, एनएस को तीन प्रकार के डेटा के साथ काम करना चाहिए:
- नियम (वे सच्चे डेटा हैं, वे तथ्य हैं);
- प्रतिबंध (वे भी गलत डेटा हैं);
- अपवाद (प्रत्येक नियम के अपवाद हैं, सही?)।
लेकिन अगर आप करीब से देखें, तो तथ्य "लाइनें" हैं जो विकल्पों के स्थान पर पूरी तरह से ऊपर और नीचे से सीमित हैं। यहां यह एक छोटी सी विषयांतर करने और यह बताने के लायक है कि मैं विकल्पों के इस स्थान को कैसे देखता हूं। जैसा कि वे कहते हैं, एक बार देखना बेहतर है, इसलिए यहां यह है:
तो, अखाड़े में विकल्पों का एक स्थान है! बाएं कोने में - इनपुट मान, दाएं सप्ताहांत में। दरअसल, बीच में सब कुछ बहुत जगह है। रेखा के उदाहरण को याद करते हुए, ड्राइंग कुछ इस तरह दिखाई देगी (सीमित स्थान ग्रे में चिह्नित है):
ठीक है, ऊपर की सूची से खुद "नियम" भी एक पंक्ति है, केवल ऊपर और नीचे दोनों सीमित है। वैसे, यहां इस तरह के क्षण का उल्लेख करने योग्य है कि तथ्य अस्पष्ट और अस्पष्ट हो सकता है। एक अस्पष्ट तथ्य से, मैं एक्स और वाई के अस्पष्ट पत्र को समझता हूं। लेकिन एक अस्पष्ट तथ्य कहीं अधिक दिलचस्प है। उदाहरण के लिए, तथ्य: "मैं आकाश को देखता हूं, फिर मैं ऊपर देखता हूं," असमान रूप से विपरीत के अनुरूप नहीं होगा। यही है, अगर मैं ऊपर देखता हूं, तो यह बिल्कुल भी जरूरी नहीं है कि मैं आकाश को देखूं। ग्राफ पर, इस तरह के अस्पष्ट तथ्य को तिरछा प्रस्तुत किया जाएगा। इनपुट X आउटपुट Y पर पड़ेगा, और, जैसा कि हम भौतिकी से जानते हैं, घटना का कोण प्रतिबिंब के कोण के बराबर है, इसलिए पत्राचार किसी अन्य एक्स में जवाब देगा। लेकिन यह विकल्पों के असीमित स्थान पर है! हम स्थिति को अंतरिक्ष तक सीमित करते हैं "अगर मेरे ऊपर कोई छत नहीं है।" फिर तथ्य यह है कि "मैं आकाश को देखता हूं, फिर मैं ऊपर देखता हूं" विपरीत के अनुरूप होगा "मैं ऊपर देखता हूं, और अगर मेरे ऊपर कोई छत नहीं है, तो मैं आकाश देखता हूं"। यह कुछ इस तरह दिखाई देगा (मैं आंख से परिलक्षित होता है, इसलिए तस्वीर की सटीकता संदिग्ध है, लेकिन तर्क का सार स्पष्ट होना चाहिए):
दरअसल, हम पहले ही नियमों और प्रतिबंधों को छू चुके हैं। लेकिन अपवादों का क्या? तो ये बहुत "अतिरिक्त शर्तों" अपवाद हैं। खैर, शाम के अंत में ...
यह सब क्यों?
मेरी राय में, ऐसी प्रणाली (उपरोक्त सभी के आवश्यक विकास और अपूर्ण प्रलाप के साथ) समस्याओं का समाधान करेगी, उदाहरण के लिए, एक ही पूर्वानुमान और निर्णय लेने में। आखिरकार, डेटा प्रारूपों के पर्याप्त सामान के साथ, आप वाई (जो कि लक्ष्य है) निर्दिष्ट कर सकते हैं, और एनएस कहेंगे कि कार्यान्वयन के लिए क्या आवश्यक है, अर्थात्, पत्राचार में एक्स डाल दिया।
अंतभाषण
उन सभी को बहुत धन्यवाद, जिन्होंने विचार की इस धारा में महारत हासिल की है! आपका ध्यान देने के लिए धन्यवाद।
UPD: हां, और थोड़ी सी इच्छा। प्रिय नागरिकों माइनस, मैं अधिक बारीकियों को पसंद करूंगा, ताकि आप मानसिक रूप से विकसित हो सकें।