कृत्रिम तंत्रिका नेटवर्क (Artificial Neural Network)

 

गहन अधिगम का आधार कृत्रिम तंत्रिका नेटवर्क है। यह मानव मस्तिष्क की तंत्रिका कोशिकाओं से प्रेरित एक गणनात्मक मॉडल है। हालाँकि, कृत्रिम तंत्रिका नेटवर्क मानव मस्तिष्क की वास्तविक कार्यप्रणाली की हूबहू प्रतिकृति नहीं है।

एक सामान्य न्यूरल नेटवर्क में तीन प्रकार की परतें होती हैं।

इनपुट परत : डेटा ग्रहण

छिपी परतें: प्रतिरूप सीखना

आउटपुट परत : परिणाम

इन्हें एक चित्र के माध्यम से निम्नलिखित प्रकार से देख सकते हैं-

यह एक सांकेतिक चित्र है। वास्तविक नेटवर्क में प्रत्येक परत के न्यूरॉनों के बीच अनेक संयोजन हो सकते हैं।

(क) इनपुट परत (Input Layer): यह डेटा को नेटवर्क में प्रवेश कराती है। उदाहरण के लिए, चित्र के पिक्सेल, पाठ के टोकन या ध्वनि से निकाली गई विशेषताएँ इनपुट हो सकती हैं।

(ख) छिपी परतें (Hidden Layers): ये नेटवर्क की मुख्य गणनात्मक परतें हैं। प्रत्येक परत पिछले स्तर से प्राप्त जानकारी को संसाधित करके अधिक उपयोगी विशेषताएँ सीख सकती है। उदाहरण के लिए, चित्र में शुरुआती परतें किनारों और आकृतियों तथा आगे की परतें जटिल वस्तुओं के प्रतिरूप सीख सकती हैं।

(ग) आउटपुट परत (Output Layer): यह अंतिम परिणाम देती है। उदाहरण के लिए, किसी चित्र में बिल्ली होने की संभावना या किसी वाक्य की भावना का वर्ग।

नेटवर्क प्रशिक्षण के दौरान अपने भार (Weights) और बायस (Biases) को समायोजित करता है। इन्हीं संख्यात्मक मानों में सीखे गए प्रतिरूपों का बड़ा हिस्सा समाहित रहता है।