গণিতের সমীকরণগুলি সমাধান করার জন্য কি নিউরাল নেটওয়ার্ককে প্রশিক্ষণ দেওয়া সম্ভব?


24

আমি সচেতন যে নিউরাল নেটওয়ার্কগুলি সম্ভবত এটি করার জন্য ডিজাইন করা হয়নি, তবে অনুমানের সাথে জিজ্ঞাসা করছেন, গণিতের সমীকরণগুলি সমাধান করার জন্য গভীর নিউরাল নেটওয়ার্ক (বা অনুরূপ) প্রশিক্ষিত করা কি সম্ভব?

সুতরাং 3 ইনপুট দেওয়া হয়েছে: 1 ম সংখ্যা, অপারেটর চিহ্নটি সংখ্যা দ্বারা উপস্থাপিত (1 - +, 2 - -, 3 - /, 4 -* , এবং আরও) দ্বারা প্রতিনিধিত্ব করা, এবং ২ য় নম্বর, তারপরে নেটওয়ার্ক প্রশিক্ষণের পরে আমাকে বৈধ ফলাফল দিতে হবে।

উদাহরণ 1 ( 2+2):

  • ইনপুট 1: 2; ইনপুট 2: 1( +); ইনপুট 3: 2; প্রত্যাশিত আউটপুট:4
  • ইনপুট 1: 10; ইনপুট 2: 2( -); ইনপুট 3: 10; প্রত্যাশিত আউটপুট:0
  • ইনপুট 1: 5; ইনপুট 2: 4( *); ইনপুট 3: 5; প্রত্যাশিত আউটপুট:25
  • এবং তাই

উপরেরগুলি আরও পরিশীলিত উদাহরণগুলিতে বাড়ানো যেতে পারে।

এটা কি সম্ভব? যদি তা হয় তবে কোন ধরণের নেটওয়ার্ক তা শিখতে / অর্জন করতে পারে?



1
এটি প্রাসঙ্গিক হতে পারে - github.com/ প্রদীপ
মৈথমেটিক্স_ড্যাটাসেট

উত্তর:


21

হ্যাঁ, হয়ে গেছে!

তবে অ্যাপ্লিকেশনগুলি ক্যালকুলেটর বা এর মতো কিছু প্রতিস্থাপন করবে না। মানুষ যেভাবে এই সমস্যাগুলি সমাধান করতে পারে তা আরও ভালভাবে বোঝার জন্য আমি যে ল্যাবটির সাথে যুক্ত আছি সেগুলি সমীকরণের যুক্তির যুক্ত নিউরাল নেটওয়ার্ক মডেলগুলি বিকাশ করে। এটি ম্যাথমেটিকাল কগনিশন হিসাবে পরিচিত ক্ষেত্রের একটি অংশ । দুর্ভাগ্যক্রমে, আমাদের ওয়েবসাইট ভয়াবহ তথ্যবহুল নয়, তবে এই জাতীয় কাজের উদাহরণের একটি লিঙ্ক এখানে ।

তা ছাড়া, বাহ্যিক মেমরি স্টোরগুলি অন্তর্ভুক্ত করার জন্য নিউরাল নেটওয়ার্কগুলি প্রসারিত করার সাম্প্রতিক কাজগুলি (যেমন নিউরাল টুরিং মেশিনগুলি) ধারণাটির একটি ভাল প্রমাণ হিসাবে গণিতের সমস্যাগুলি সমাধান করার জন্য ব্যবহার করে। এটি কারণ অনেকগুলি গাণিতিক সমস্যাগুলি সঞ্চিত মধ্যবর্তী ফলাফল সহ দীর্ঘ প্রক্রিয়া জড়িত। দীর্ঘ বাইনারি সংযোজন এবং গুণকে এই কাগজের বিভাগগুলি দেখুন ।


আমার জন্য কেবল স্নায়ু জাল নয়, বাহ্যিক স্মৃতিশক্তি সহ স্নায়বিক স্থাপত্যগুলি। এনটিএম এবং ডিএনসির মতো আর্কিটেকচারগুলি সংক্ষিপ্ততম পথের মতো অ্যালগরিদমগুলি সমাধান করতে ব্যবহার করতে পারে কারণ তারা কী ঘটছে তা ট্র্যাক করে পুনরাবৃত্ত প্রক্রিয়া চালানোর ক্ষমতা রাখে (কোনও বিপর্যয় ভোলার নয়)। তবে দ্বিতীয় জবাব অনুসারে আমার পক্ষে কেবল উচ্চতর পড়াশোনা করা ভুল is
শমনে সিরীবর্ধান

প্রথম লিঙ্কটি মারা গেছে, আপনার কি প্রতিস্থাপন আছে?
কেনারব

দু'টি লিঙ্কই কেবল আমার জন্য কাজ করেছিল, কী দুর্দান্ত কাগজ!
জাক্ক ডিয়াজ

8

আসলে তা না.

যখন লুকানো ভেরিয়েবল থাকে তখন ইনপুটগুলির মধ্যে অ-লিনিয়ার সম্পর্ক নির্ধারণের জন্য নিউরাল নেটওয়ার্কগুলি ভাল। উপরের উদাহরণগুলিতে সম্পর্কগুলি লিনিয়ার, এবং কোনও গোপন ভেরিয়েবল নেই। তবে তারা অ-লিনিয়র হলেও, traditionalতিহ্যবাহী এএনএন নকশা এটি সম্পাদন করার পক্ষে উপযুক্ত নয়।

স্তরগুলি সাবধানে তৈরি করে এবং প্রশিক্ষণের উপর দৃising়ভাবে পর্যবেক্ষণ করে, আপনি ইনপুটগুলির জন্য 2: 1 (+) এবং 2 ধারাবাহিকভাবে আউটপুট 4.01 উত্পাদন করতে একটি নেটওয়ার্ক পেতে পারেন, তবে এটি কেবল ভুল নয়, এটি অন্তর্নিহিত অবিশ্বাস্য প্রযুক্তির প্রয়োগ।


5

1) এটা সম্ভব! আসলে, এটি জনপ্রিয় গভীর শেখার কাঠামোর কেরাসের উদাহরণ। পরীক্ষা করে দেখুন সোর্স কোড দেখতে এই লিঙ্কে

২) এই নির্দিষ্ট উদাহরণটি সমস্যাটিকে অক্ষরের অনুক্রম হিসাবে প্রক্রিয়া করার জন্য একটি পুনরাবৃত্ত নিউরাল নেটওয়ার্ক (আরএনএন) ব্যবহার করে অক্ষরের ক্রম তৈরি করে যা উত্তর তৈরি করে। নোট করুন যে সহজ পদ্ধতির অতিরিক্ত সমস্যাগুলি সমাধান করার বিষয়ে মানুষ কীভাবে চিন্তাভাবনা করে তার থেকে এই দৃষ্টিভঙ্গি স্পষ্টতই আলাদা এবং সম্ভবত আপনি কখনই কম্পিউটারকে এ জাতীয় সমস্যা সমাধানের জন্য চাইবেন না তা নয়। বেশিরভাগ ক্ষেত্রে এটি কেরাস ব্যবহার করে সিক্যুয়েন্স শিখনের উদাহরণ। ক্রমিক বা সময়-সিরিজ ইনপুট পরিচালনা করার সময়, আরএনএন একটি জনপ্রিয় পছন্দ।


1

হ্যাঁ - মনে হচ্ছে এটি এখন আরও অর্জন করা সম্ভব যে উদাহরণটি আপনি এই কাগজটি দিয়েছিলেন তার থেকে একটি আরও কঠিন সমস্যার একটি ডিএল সমাধান বর্ণনা করেছে - বর্ণনা করেছে - প্রাকৃতিক ভাষায় বর্ণিত একটি প্রোগ্রামের উত্স কোড তৈরি করা

এই উভয়টিকেই রিগ্রেশন সমস্যা হিসাবে বর্ণনা করা যেতে পারে (অর্থাত্ বৈধতা সেটটিতে কিছু ক্ষতি ফাংশন হ্রাস করার লক্ষ্য) তবে প্রাকৃতিক ভাষার ক্ষেত্রে অনুসন্ধানের স্থানটি আরও বড়।


0

স্বয়ংক্রিয় উপপাদ্য প্রমাণ করার জন্য মোটামুটি সুপ্রতিষ্ঠিত ক্ষেত্র রয়েছে । এটি সম্ভবত সমীকরণ সমাধানের বিষয়টি অন্তর্ভুক্ত করে তবে অগত্যা এআই জড়িত না doesn't ক্রস ভ্যালিডেটেড স্ট্যাকেক্সচেঞ্জের এই পোস্টটিতে এই বিষয়ে আরও কিছু তথ্য রয়েছে।

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.