क्या मैट्रिक्स के रूप में एक तंत्रिका जाल का प्रतिनिधित्व करना फायदेमंद है?

Question

एक तंत्रिका नेटवर्क एक निर्देशित भारित ग्राफ है। इन्हें एक (विरल) मैट्रिक्स द्वारा दर्शाया जा सकता है। ऐसा करने से नेटवर्क के कुछ सुरुचिपूर्ण गुणों को उजागर किया जा सकता है।

क्या यह तकनीक तंत्रिका नेटवर्क की जांच के लिए फायदेमंद है?

Comments

यह Cross Validated SE के लिए है।

— फ्रेंक डर्नोनकोर्ट

नमस्ते। क्या नीचे दिए गए उत्तर में से कोई भी मददगार था? यदि हां, तो कृपया एक स्वीकार करने पर विचार करें :)

— Dawny33

Answer 1

बड़े ANN के लिए, अभ्यास में 'स्पार्स मैट्रिक्स फॉर्मेट' के बराबर कुछ का उपयोग किया जाता है।

किसी अन्य उत्तर में दी गई बातों के विपरीत, एएनएन को एक ग्राफ के रूप में देखते हुए, वास्तव में दो कारणों से बहुत अधिक खरीद नहीं होती है:

1. Backpropagation एल्गोरिथ्म को मैट्रिक्स ऑपरेशन के संदर्भ में उपयोगी रूप से परिभाषित किया जा सकता है। यह पृष्ठ एक पठनीय और व्यापक विवरण देता है।

2. सभी वास्तविक मूल्य वाले मेट्रिसेस को रेखांकन के रूप में दर्शाया जा सकता है, लेकिन स्पष्ट रूप से यह मामला नहीं है। तो जबकि यह सच है कि एक ANN को ग्राफ डेटा संरचना का एक विशेष मामला माना जा सकता है, जिससे मैट्रिक्स के रूप में स्पष्ट किया गया विशेषज्ञता अधिक कुशल हो जाता है।

Answer 2

यह उस तंत्रिका नेटवर्क के प्रकार पर निर्भर करता है जिस पर आप काम कर रहे हैं।

मध्यम आकार के तंत्रिका जाल के लिए, मैट्रिक्स दृष्टिकोण त्वरित संगणना और यहां तक ​​कि त्रुटियों के बैकप्रोपोगेशन करने का एक बहुत अच्छा तरीका है। यहां तक ​​कि कुछ तंत्रिका जाल की विरल वास्तुकला को समझने के लिए विरल मैट्रिक्स का भी दोहन किया जा सकता है।

लेकिन, बहुत बड़े तंत्रिका जालों के लिए, मैट्रिक्स संगणनाओं का उपयोग करना कम्प्यूटेशनल रूप से बहुत गहन होगा। इसलिए, ग्राफ़-आधारित स्टोर जैसे प्रासंगिक तरीकों का उपयोग उनके लिए उद्देश्य और वास्तुकला के आधार पर किया जाता है।

Answer 3

मैट्रिक्स का प्रतिनिधित्व सिलिकॉन में तंत्रिका नेटवर्क को लागू करने के लिए फायदेमंद है।

लेकिन तंत्रिका नेटवर्क की जांच करने के लिए अनुभवजन्य रूप से कभी-कभी synapse वजन मानों को चित्र या वीडियो के रूप में कल्पना करना अच्छा होता है: जेसन योशिंस्की का एक दृढ़ तंत्रिका नेटवर्क का अन्वेषण। लगता है कि नेटवर्क में एक "फ़िल्टर" है जो बस कंधों का पता लगाता है। एक लॉक की तरह एक बिट जो केवल तभी खुलता है जब वह कंधों के पैटर्न को पहचानता है।