तंत्रिका नेटवर्क के प्रतिष्ठित (खिलौना) मॉडल


18

ग्रेड स्कूल में मेरी भौतिकी के प्राध्यापक, और साथ ही नोबल पुरस्कार विजेता फेनमैन, हमेशा प्रस्तुत करते थे कि उन्होंने भौतिकी में बुनियादी अवधारणाओं और तरीकों को चित्रित करने के लिए खिलौना मॉडल कहा था, जैसे हार्मोनिक थरथरानवाला, पेंडुलम, कताई शीर्ष, और ब्लैक बॉक्स।

तंत्रिका नेटवर्क के अनुप्रयोग में अंतर्निहित बुनियादी अवधारणाओं और तरीकों का वर्णन करने के लिए कौन से खिलौना मॉडल का उपयोग किया जाता है? (संदर्भ कृपया)

एक खिलौना मॉडल से मेरा मतलब है कि एक विशेष रूप से सरल, न्यूनतम आकार का नेटवर्क एक अत्यधिक विवश समस्या पर लागू होता है जिसके माध्यम से बुनियादी तरीकों को प्रस्तुत किया जा सकता है और किसी की समझ का परीक्षण किया जाता है और वास्तविक कार्यान्वयन के माध्यम से बढ़ाया जाता है, अर्थात, मूल कोड का निर्माण और अधिमानतः एक निश्चित डिग्री करने के लिए / एक सांकेतिक गणित एप्लिकेशन द्वारा हाथ से सहायता प्राप्त या बुनियादी गणित की जाँच करना।


@ साइकोरेक्स, महान, लेकिन 1 और 3 के लिए रेफरी
टॉम कोपलैंड

2
आपको नोबेल से मतलब होना चाहिए, नोबेल से।
रुस्लान

@Ruslan, यह एक सामान्य त्रुटि है। मुझे यह देखकर ख़ुशी हुई कि आप और दो अन्य लोगों ने इसे इतना उत्तेजक / प्रेरक पाया है कि मैं इसे समान व्यक्तित्वों के लिए आनंदित रहने दूंगा।
टॉम कोपलैंड

जवाबों:


14

सबसे शास्त्रीय में से एक 2 आयामों में पर्सेट्रॉन है, जो 1950 के दशक में वापस जाता है। यह एक अच्छा उदाहरण है क्योंकि यह अधिक आधुनिक तकनीकों के लिए एक लॉन्चिंग पैड है:

1) सब कुछ रैखिक रूप से वियोज्य नहीं है (इसलिए nonlinear सक्रियण या कर्नेल विधियों, कई परतों, आदि की आवश्यकता है)।

2) यदि डेटा रेखीय रूप से वियोज्य (सॉफ़मैक्स, सीखने की दर में गिरावट, आदि) के रूप में अलगाव के निरंतर उपाय नहीं है, तो पेरसेप्ट्रॉन अभिसरण नहीं करेगा।

3) जबकि डेटा को विभाजित करने के लिए असीम रूप से कई समाधान हैं, यह स्पष्ट है कि कुछ दूसरों की तुलना में अधिक वांछित हैं (अधिकतम सीमा जुदाई, एसवीएम, आदि)

बहुपरत तंत्रिका नेटवर्क के लिए, आप खिलौना वर्गीकरण उदाहरणों को पसंद कर सकते हैं जो इस दृश्य के साथ आते हैं

कॉन्ट्रॉन्शियल न्यूरल नेट्स के लिए, MNIST शास्त्रीय स्वर्ण मानक है, यहां और यहां एक प्यारा दृश्य है

आरएनएन के लिए, एक बहुत ही सरल समस्या जो वे हल कर सकते हैं , वह है बाइनरी जोड़ , जिसमें 4 पैटर्न याद रखने की आवश्यकता होती है।


एनएन के व्यापक कवरेज के लिए +1! परसेप्ट्रोन से आर.एन.एन.
हायतौ डू

अच्छा लगा। जवाब के प्रकार मैं देख रहा हूँ।
टॉम कोपलैंड

क्षमा करें, मुझे आपके उत्तर को संपादित करने का मतलब नहीं था - मेरा मतलब उस अनुच्छेद को मेरे साथ जोड़ना था।
साइकोरैक्स का कहना है कि मोनिका

8
  1. XOR समस्या संभवतः विहित ANN खिलौना समस्या है।

    रिचर्ड ब्लैंड जून 1998 स्टर्लिंग विश्वविद्यालय, कम्प्यूटिंग विज्ञान और गणित विभाग कम्प्यूटिंग विज्ञान तकनीकी रिपोर्ट " लर्निंग XOR: एक क्लासिक समस्या के स्थान की खोज "

  2. TensorFlow खेल का मैदान XOR और jellyroll सहित कई खिलौना तंत्रिका जाल, एक इंटरैक्टिव इंटरफ़ेस है।

  3. एक निश्चित आकार (2x2 या 3x3) सममितीय मैट्रिक्स का सबसे बड़ा आइगेनवेल्यू की गणना करना एक मैं कक्षा के डेमो में उपयोग करता हूं।

    ए। सिचोकी और आर। अनहैबेन। " कंप्यूटिंग नेटवर्क के लिए तंत्रिकाजन्य और ईजीनवेक्टर " जैविक साइबरनेटिक्स दिसंबर 1992, वॉल्यूम 68, अंक 2, पीपी 155-164

MNIST जैसी समस्याएं निश्चित रूप से विहित हैं, लेकिन आसानी से हाथ से सत्यापित नहीं की जाती हैं - जब तक कि आपके पास अत्यधिक खाली समय न हो। न ही कोड विशेष रूप से बुनियादी है।

जहां तक ​​एनएलपी कार्यों की बात है, पेन ट्री बैंक एक बहुत ही मानक बेंचमार्क डेटा सेट है, जिसका उपयोग Wojciech Zaremba, Ilya Sutskever, Oriol Vinyals " Recurrent Neural Network Regularization ," और संभवत: सैकड़ों अन्य पत्रों में उदाहरण के लिए किया जाता है ।


-4

मैं एक शारीरिक खिलौने के बारे में नहीं जानता, लेकिन सबसे अच्छा उदाहरण मुझे पता है कि सुपर मारियो ब्रदर्स खेलने के लिए एक आनुवंशिक एल्गोरिथ्म के माध्यम से उत्पन्न एक बहु-परत एआई है। स्रोत कोड वीडियो विवरण में है।

मारि / ओ - वीडियो गेम के लिए मशीन सीखना: https://www.youtube.com/watch?v=qv6UVOQ0F44


3
आप प्रश्न और अन्य दो उत्तरों को अच्छी तरह से पढ़ सकते हैं।
टॉम कोपलैंड
हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.