न्यूरल लर्निंग क्या है?

तंत्रिका शिक्षण इस विश्वास पर आधारित है कि मस्तिष्क एक कंप्यूटर की तरह संचालित होता है जब यह नई जानकारी को संसाधित कर रहा होता है। डेटा इनपुट, संगठन और पुनर्प्राप्ति प्राथमिक विचार हैं। न्यूरल लर्निंग का जैविक आधार एक तंत्रिका तंत्र है, जो मस्तिष्क कोशिकाओं की परस्पर संरचना को संदर्भित करता है। मस्तिष्क संरचना और कार्य के बीच संबंधों की यह समझ बेहतर सीखने और स्मृति प्रतिधारण अवधारणाओं को विकसित करने के लिए लागू की गई है। फ्रेमवर्क कृत्रिम तंत्रिका नेटवर्क प्रणालियों के आधार के रूप में भी कार्य करता है।

न्यूरल लर्निंग मॉडल के अनुसार, सूचना सबसे पहले डेटा इनपुट के माध्यम से मस्तिष्क में प्रवेश करती है। मस्तिष्क को तब इस जानकारी को संग्रहीत करना होगा और इसे पहले से मौजूद जानकारी के साथ डेटा संगठन के माध्यम से संयोजित करना होगा। अंतिम चरण डेटा पुनर्प्राप्ति है, जिसमें मस्तिष्क दिमाग से संग्रहीत जानकारी लेने और उसका उपयोग करने के लिए सिस्टम विकसित करता है। तंत्रिका सीखने इस प्रकार इन सामूहिक प्रक्रियाओं को संदर्भित करता है जिसमें मस्तिष्क जीवन अनुभवों के माध्यम से प्राप्त जानकारी को इकट्ठा करता है, संग्रहीत करता है और उपयोग करता है। कभी-कभी, सीखने की प्रक्रियाएं मस्तिष्क में इतनी कूटबद्ध हो जाती हैं कि सूचना पुनर्प्राप्ति लगभग स्वचालित रूप से होती है, जैसे कि धमकी देने वाली स्थितियों में।

स्मृति इसलिए तंत्रिका सीखने में एक महत्वपूर्ण अवधारणा है, जैसे कि यह कंप्यूटर के साथ है। सूचना के प्रभावी एन्कोडिंग मेंमोनिक तकनीक के साथ सहायता प्राप्त की जा सकती है। इन विधियों में मेमोरी क्यू के माध्यम से सूचना के बड़े हिस्से को याद रखना शामिल है। उदाहरण के लिए, एक व्यक्ति एक वाक्य बनाकर शब्दों की एक लंबी कड़ी सीखने की कोशिश कर सकता है जिसमें प्रत्येक शब्द में सूची के प्रत्येक शब्द का पहला अक्षर होता है। एक अन्य दृष्टिकोण में एक कल्पनाशील दृश्य छवि बनाना शामिल हो सकता है जो एक शब्द का प्रतिनिधित्व करता है। यह दृष्टिकोण चिकित्सा की तरह जटिल जानकारी को याद रखने में आम है।

स्नायविक उपकरण अक्सर तंत्रिका सीखने में एक और महत्वपूर्ण अवधारणा पर निर्भर होते हैं: मस्तिष्क को सीखने की शैली के प्रकार को लागू करने के लिए सबसे अधिक वायर्ड है। कुछ व्यक्ति दृश्य सीखने के तरीकों के साथ अधिक कुशल होते हैं, जबकि अन्य बेहतर तरीके से काम करते हैं जब सीखने को अधिक पढ़ने या शब्द-आधारित होता है। अन्य दृष्टिकोणों में श्रवण सीखने और लागू सहकारी शिक्षण शामिल हो सकते हैं।

तंत्रिका सीखने के कुछ शिक्षक सीखने के लिए एक समग्र दृष्टिकोण को गले लगाते हैं। दूसरे शब्दों में, व्यक्तियों को विशिष्ट और अलग-थलग तथ्यों पर जोर देने वाले रटे सीखने के तरीकों पर भरोसा करने के बजाय, विचारों और अवधारणाओं को एक प्राकृतिक तरीके से समझना चाहिए। नोटबंदी इस प्रकार एक वृक्ष के समान दृष्टिकोण से युक्त हो सकती है जिसमें अवधारणाएं एक दूसरे से बाहर निकलती हैं और व्यक्ति अपनी यादों में अवधारणाओं को ठोस बनाने के लिए अपने स्वयं के अनूठे संबंध बनाते हैं।

सूचना का प्रसारण और भंडारण न्यूरॉन्स, या मस्तिष्क कोशिकाओं के नेटवर्क के बीच होता है। तंत्रिका नेटवर्क भी बहुत कृत्रिम बुद्धिमत्ता का आधार हैं। वास्तव में, तंत्रिका सीखने कभी-कभी कृत्रिम बुद्धि डिजाइन के तरीकों को संदर्भित करता है जो मानव तंत्रिका संरचनाओं की नकल करते हैं। इस तरह के तंत्रिका नेटवर्क रोबोट के लिए नियंत्रण को लागू करने के लिए भाषण मान्यता से लेकर कई जटिल मशीन प्रदर्शन एरेनास में उपयोगी साबित हुए हैं।

इन विधियों के लिए, कृत्रिम छोटे ढांचे जो मानव न्यूरॉन्स के बाद प्रतिरूपित होते हैं उन्हें इकाई या नोड के रूप में जाना जाता है। न्यूरॉन्स की तरह, इन इकाइयों को आने वाली जानकारी या इनपुट प्राप्त करने के लिए प्रोग्राम किया जाता है, और सूचना, या आउटपुट प्रसारित करने के लिए भी। कृत्रिम बुद्धिमत्ता मशीनों में, इनपुट और आउटपुट घटक बार-बार जुड़े होते हैं ताकि कृत्रिम बुद्धिमत्ता प्रणाली के भीतर जुड़ाव पैदा हो। इन गठित संघों ने प्रणाली के लिए तंत्रिका सीखने का गठन किया, और - मानव सीखने की तरह - संघों को मजबूत किया जा सकता है क्योंकि वे एन्कोडेड और कंठस्थ हैं। सुदृढ़ीकरण सीखने के नियमों, या भारित माप और गणितीय तंत्रिका एल्गोरिदम के माध्यम से होता है।

अन्य भाषाएँ

क्या इस लेख से आपको सहायता मिली? प्रतिक्रिया के लिए धन्यवाद प्रतिक्रिया के लिए धन्यवाद

हम आपकी सहायता किस तरह से कर सकते है? हम आपकी सहायता किस तरह से कर सकते है?