কৃত্রিম নিউরাল নেটওয়ার্কগুলি সম্পর্কে শেখার জন্য কিছু ভাল সংস্থানগুলি কী কী? [বন্ধ]

109

আমি কৃত্রিম নিউরাল নেটওয়ার্কগুলিতে সত্যই আগ্রহী, তবে আমি শুরু করার জন্য জায়গা খুঁজছি।

কোন সংস্থান আছে এবং একটি ভাল শুরু প্রকল্প কি?

neural-network 
— cbrulak
সূত্র
আমি ধরে নিচ্ছি, কৃত্রিম নিউরাল নেটওয়ার্ক? আপনি কোন অঞ্চলে আগ্রহী (আপনি কী এটি প্রয়োগ করবেন: হস্তাক্ষর, শ্রেণিবিন্যাস, যুক্তি)?
— পক্ষপাতিত্ব
আমার ধারণা, যুক্তি: আমি একটি গোলকধাঁধায় একটি রোবট বা এর মতো অন্য কিছু নিয়ে ভাবছিলাম এবং বিভিন্ন অ্যালগরিদমের চেষ্টা করছিলাম, তবে এমন পদ্ধতিতে যা করা হয়েছিল যে নেটওয়ার্কটি সিদ্ধান্ত নিতে পারে কোনটি সর্বোত্তম, ইত্যাদি
— cbrulak
3
নিউরাল নেটওয়ার্ক সম্পর্কে জিওফ্রে হিন্টনের কাছ থেকে পাঠ্যক্রমের জন্য একটি দুর্দান্ত কোর্স রয়েছে। এটি বেসিকগুলি দিয়ে শুরু হয় এবং শিল্পের পদ্ধতির এবং আরও আরও অনেক কিছু দিয়ে শেষ হয়।
— আলফা
4
অ্যান্ড্রু এনজি দ্বারা মেশিন লার্নিং কোর্সটি আমি জেফ্রি হিন্টন এর কোর্স করার আগে, যা আরও উন্নত নিউরাল নেটওয়ার্ক এবং তাত্ত্বিক দিকগুলি মোকাবেলা করার আগে সুপারিশকারীদের জন্য সুপারিশ করি।
— গৌরবময়

উত্তর:

17

এখানে নিউরাল নেট প্রোগ্রামিংয়ের কয়েকটি উদাহরণ রয়েছে। http://www.codeproject.com/KB/recipes/neural_dot_net.aspx

আপনি এখানে পড়া শুরু করতে পারেন: http://web.archive.org/web/20071025010456/http://www.geocities.com/CapeCanaveral/Lab/3765/neural.html

আমি আমার পক্ষ থেকে এটি সম্পর্কে একটি কোর্স পরিদর্শন করেছি এবং কিছু সাহিত্যের মাধ্যমে কাজ করেছি।

— ফ্রেডরিখ
সূত্র
2
জিওসিটিস কয়েক দিন আগে গিয়েছিলাম নিচে কিন্তু একটি সংরক্ষণাগার এ সংস্করণ রয়েছে বলে web.archive.org/web/20071025010456/http://www.geocities.com/... (জন্য অন্তত এখন ...)
— RCIX
33

প্রথমত, কৃত্রিম স্নায়ুবিক নেটওয়ার্কগুলির মস্তিষ্কের সাথে কিছু নয় তবে জৈবিক নিউরনের নেটওয়ার্কগুলির সাথে পাস করার মতো মিলের জন্য কোনও ধারণা ছেড়ে দিন। জীববিজ্ঞান শেখা আপনাকে কার্যকরভাবে নিউরাল নেটওয়ার্কগুলি প্রয়োগ করতে সহায়তা করবে না; লিনিয়ার বীজগণিত, ক্যালকুলাস এবং সম্ভাব্যতা তত্ত্ব শিখতে হবে। আপনার খুব কমপক্ষে নিজেকে ফাংশনগুলির মূল বিভেদ, চেইন রুল, আংশিক ডেরিভেটিভস (গ্রেডিয়েন্ট, জ্যাকবিয়ান এবং হেসিয়ান) এবং ম্যাট্রিক্সের গুণ এবং ত্রিভুজনকরণ বোঝার সাথে নিজেকে পরিচিত করতে হবে।

সত্যিই আপনি যখন কোনও নেটওয়ার্ক প্রশিক্ষণ দিচ্ছেন তখন আপনি যা করছেন তা একটি বৃহত, বহুমাত্রিক ফাংশন (নেটওয়ার্কের প্রতিটি ওজনের সম্মানের সাথে আপনার ত্রুটি পরিমাপকে হ্রাস করা) এবং তাই অরৈখিক সংখ্যাসূচক অপ্টিমাইজেশনের জন্য কৌশলগুলির তদন্ত তাত্পর্যমূলক হতে পারে। এটি নিউরাল নেটওয়ার্কগুলির বাইরে সাহিত্যের একটি বৃহত বেস সহ একটি বিস্তৃত অধ্যয়নিত সমস্যা এবং ওয়েবে সংখ্যাসূচক অপ্টিমাইজেশনে প্রচুর বক্তৃতা নোট রয়েছে। শুরু করার জন্য, বেশিরভাগ লোকেরা সহজ গ্রেডিয়েন্ট বংশদ্ভুত ব্যবহার করেন তবে এটি আরও ধীরে ধীরে এবং আরও কম জাতীয় কার্যকর পদ্ধতির চেয়ে কম কার্যকর হতে পারে

একবার বেসিক ধারণাটি পেয়ে গেলে আপনি নিজের গোপন স্তরে বিভিন্ন "স্কোয়াশিং" ফাংশন নিয়ে পরীক্ষা শুরু করতে পারেন, বিভিন্ন ধরণের নিয়ামককরণ এবং বিভিন্ন শিক্ষার তালিকাকে দ্রুততর করে তোলার জন্য তৈরি করতে পারেন। "সেরা অনুশীলন" এর বিশদ তালিকার জন্য এই কাগজটি দেখুন ।

বিষয়টির সেরা বইগুলির মধ্যে একটি হ'ল ক্রিস বিশপের নিউরাল নেটওয়ার্ক ফর প্যাটার্ন রিকগনিশন । এটি এই পর্যায়ে মোটামুটি পুরানো তবে এটি এখনও একটি দুর্দান্ত উত্স, এবং আপনি প্রায়শই প্রায় $ 30 এর জন্য অনলাইনে ব্যবহৃত অনুলিপিগুলি খুঁজে পেতে পারেন। তাঁর নতুন বই, প্যাটার্ন রিকগনিশন এবং মেশিন লার্নিংয়ের নিউরাল নেটওয়ার্ক অধ্যায়টিও বেশ ব্যাপক। একটি বিশেষ ভাল বাস্তবায়ন কেন্দ্রিক টিউটোরিয়ালের জন্য, কোডপ্রজেক্ট.কম এ এটি দেখুন যা কনভ্যুশনাল নেটওয়ার্ক নামে পরিচিত একটি চৌকস ধরণের নেটওয়ার্ক প্রয়োগ করে, যা সংযোগকে এমনভাবে সীমাবদ্ধ করে যাতে ভিজ্যুয়াল নিদর্শনগুলিকে শ্রেণিবদ্ধ করতে শেখার ক্ষেত্রে এটি খুব ভাল হয়।

সমর্থন ভেক্টর মেশিন এবং অন্যান্য কার্নেল পদ্ধতিগুলি বেশ জনপ্রিয় হয়ে উঠেছে কারণ আপনি কী করছেন তা না জেনে আপনি এগুলি প্রয়োগ করতে পারেন এবং প্রায়শই গ্রহণযোগ্য ফলাফল পেতে পারেন। অন্যদিকে, নিউরাল নেটওয়ার্কগুলি বিপুল অপ্টিমাইজেশন সমস্যাগুলির জন্য সতর্কতার সাথে সুর প্রয়োজন, যদিও তারা এখনও প্রচুর সমস্যার জন্য বিশেষত কম্পিউটার ভিশনের মতো ডোমেনগুলিতে বিশেষত বৃহত আকারের সমস্যাগুলির জন্য পছন্দনীয়।

— dwf
সূত্র
ভাল যুক্তি. নিউরন হ'ল লজিস্টিক ইউনিট যা লজিস্টিক রিগ্রেশন থেকে আসে। তারপরে মাল্টিপেজ মাল্টি রিগ্রেশন ইউনিট তৈরি করা হয় এবং তাকে নিউরাল নেটওয়ার্ক বলা হয় কারণ এটি নিউরাল নেটওয়ার্কগুলিকে "দেখতে" দেখায়। এটি মস্তিষ্ক বা এ জাতীয় দ্বারা অনুপ্রাণিত হয় না।
— ওজগুর
সত্যিকারের স্নায়ুবিজ্ঞান অধ্যয়ন করা এই ক্ষেত্রে গবেষণার জন্য অসহনীয় হতে পারে তা বলা সত্যিই সঠিক নয়। জেফ হকিন্স এবং তার গবেষণা এইচটিএম এর রচনায় নিউরোবায়োলজি সম্পর্কে আরও জ্ঞানকে যুক্ত করার চেষ্টা করেছিল। এইচটিএম এর কাজ বেশ ভাল। শেষ পর্যন্ত, যদি আপনি নতুন নেটওয়ার্ক টোপোলজিস এবং মিথস্ক্রিয়া কৌশলগুলি প্রকৃত জৈবিক উদাহরণগুলির অনুকরণ করে গবেষণা করার চেষ্টা করতে চান তবে স্নায়ুবিজ্ঞান অধ্যয়ন দরকারী হতে পারে। যদি আপনি কেবল নিজের গবেষণাটি না করে অন্যরা ইতিমধ্যে যা গবেষণা করেছেন কেবল সেগুলি ব্যবহার করার উদ্দেশ্যে থাকেন তবে হ্যাঁ, স্নায়ুবিজ্ঞানের গবেষণা অর্থহীন হতে পারে।
— স্মাগডুডলব্যাগ
29

আমি কোড প্রকল্পে অনুপ মধুসূদনার এই দুর্দান্ত সিরিজের জন্য সুপারিশ করব ।

তারা আপনাকে কীভাবে বোঝার সহজ উপায়ে কাজ করে তা বোঝার জন্য মৌলিকগুলির মাধ্যমে আপনাকে নিয়ে যায় এবং কীভাবে brainnetআপনার নিজের তৈরি করতে তার গ্রন্থাগারটি ব্যবহার করবেন তা আপনাকে দেখায় ।

— CodeAndCats
সূত্র
7
বাহ চমৎকার. আপনি এটি আমার ব্লগ থেকেও পড়তে পারেন, amazedsaint.blogspot.com/2008/01/…
— amazedsaint
11

নিউরাল নেটওয়ার্কগুলি আজকাল এক ধরণের ডিক্লাসেস। সাপোর্ট ভেক্টর মেশিন এবং কার্নেল পদ্ধতিগুলি আরও ক্লাস সমস্যার জন্য ব্যাকপ্রসারণের জন্য ভাল। নিউরাল নেটওয়ার্ক এবং জেনেটিক অ্যালগরিদমগুলি এমন লোকদের কল্পনাশক্তি ধারণ করে যারা আধুনিক মেশিন লার্নিং সম্পর্কে বেশি জানেন না তবে তারা শিল্পের অবস্থা নয়।

আপনি যদি এআই এবং মেশিন লার্নিং সম্পর্কে আরও জানতে চান তবে আমি পিটার নরভিগের কৃত্রিম বুদ্ধিমত্তা: একটি আধুনিক পদ্ধতির পড়ার পরামর্শ দিচ্ছি । এটি এআই এবং প্রচুর আধুনিক প্রযুক্তির একটি বিস্তৃত সমীক্ষা। এটি ইতিহাস এবং পুরানো কৌশলগুলির ওপরেও যায় এবং এটি আপনাকে এআই এবং মেশিন লার্নিংয়ের বেসিকগুলিতে আরও সম্পূর্ণ গ্রাউন্ডিং দেয়।

যদিও নিউরাল নেটওয়ার্কগুলি বেশ সহজ। বিশেষত যদি আপনি ওজন নির্ধারণ করতে জেনেটিক অ্যালগরিদম ব্যবহার করেন, তবে তারপরে যথাযথ ব্যাকপ্রোপেশন।

— চাদ ওকেরে
সূত্র
1
নিউরাল নেটওয়ার্কটি কেবল ব্যাকপ্রোগেশন দ্বারা গঠিত হয় না; অন্যান্য প্রচুর নেটওয়ার্ক রয়েছে - সহযোগী স্মৃতি, কোহোনেন এসওএফএম এর, অভিযোজিত অনুরূপ-ভিত্তিক নেটওয়ার্ক এবং আরও ... এমএলপি এবং ব্যাকপ্রোপেশন সবচেয়ে জনপ্রিয় নেটওয়ার্ক, তবে সর্বাধিক পারফর্ম্যান্ট নয় ...
— lmsasu
3
"নিউরাল নেটওয়ার্কগুলি আজকাল এক ধরণের ডিক্লাসেস" - ভাল, আর কিছু নয়। মাল্টিলেয়ার এনএন এবং অ্যাডহক আর্কিটেকচার এনএন প্রশিক্ষণের জন্য "গভীর শিক্ষার" কৌশলগুলি এখনই এমএল-এর সবচেয়ে গরম জিনিসগুলির মধ্যে রয়েছে বলে মনে হয়। Googleresearch.blogspot.co.uk/2015/03/…
— জন ডন
5

ক্রিস বিশপের প্যাটার্ন সনাক্তকরণের জন্য আমি দ্বিতীয়বারের মতো নিউরাল নেটওয়ার্কগুলির সুপারিশ করি । যদিও, এটি সম্ভবত কোনও স্টার্টার পাঠ্য নয়। নরভিগ বা একটি অনলাইন টিউটোরিয়াল (মতলব কোড সহ) সম্ভবত একটি মৃদু ভূমিকা হতে পারে।

একটি ভাল স্টার্টার প্রকল্প হ'ল ওসিআর (অপটিক্যাল ক্যারেক্টার রিকগনিশন)। শ্রেণিবিন্যাস সম্পাদনের জন্য আপনি পাঠ্যের পৃষ্ঠাগুলিতে স্ক্যান করতে এবং নেটওয়ার্কের মাধ্যমে প্রতিটি অক্ষরকে ফিড করতে পারেন। (আপনাকে অবশ্যই অবশ্যই নেটওয়ার্কটি প্রশিক্ষণ দিতে হবে!)।

— graveca
সূত্র
4

আমি শুরু করতে হবে না যেখানে সুপারিশ করতে পারেন। আমি কেভিন গুর্নির দ্বারা নিউরাল নেটওয়ার্কগুলির একটি ভূমিকা কিনেছিলাম যা অ্যামাজনের সম্পর্কে ভাল পর্যালোচনা রয়েছে এবং এটি "জ্ঞানীয় এবং কম্পিউটার বিজ্ঞানের সবচেয়ে গুরুত্বপূর্ণ বিষয়গুলির মধ্যে একটি অত্যন্ত অ্যাক্সেসযোগ্য ভূমিকা" বলে দাবি করে। ব্যক্তিগতভাবে, আমি এই বইটির শুরু হিসাবে সুপারিশ করব না। আমি এর প্রায় 10% বুঝতে পারি, তবে সম্ভবত এটি কেবল আমার (ইংরেজি আমার মাতৃভাষা নয়)। আমি এই থ্রেড থেকে অন্যান্য বিকল্পগুলি সন্ধান করতে যাচ্ছি।

— ভিনসেন্ট
সূত্র
3

http://www.ai-junkie.com/ann/evolve/nnt1.html মাল্টি-লেয়ার পারসেপট্রনের একটি স্পষ্ট ভূমিকা, যদিও এটি ব্যাকপ্রোপেজ অ্যালগরিদমকে বর্ণনা করে না

আপনি প্রজন্ম 5.org এ একবার দেখতে পারেন যা সাধারণভাবে এআই সম্পর্কে প্রচুর নিবন্ধ সরবরাহ করে এবং নিউরাল নেটওয়ার্ক সম্পর্কে কিছু দুর্দান্ত পাঠ্য রয়েছে

— user217299
সূত্র
2

আপনি যদি অর্থ ব্যয় করতে আপত্তি করেন না , ব্রেন থিওরি এবং নিউরাল নেটওয়ার্কগুলির হ্যান্ডবুকটি খুব ভাল good এটিতে বিভিন্ন শাখায় গবেষণা সম্পর্কিত 287 নিবন্ধ রয়েছে। এটি একটি ভূমিকা এবং তত্ত্ব দিয়ে শুরু হয় এবং তারপরে আপনার আগ্রহগুলি সর্বোত্তমভাবে কভার করার জন্য নিবন্ধগুলির মাধ্যমে পথ হাইলাইট করে।

প্রথম প্রকল্প হিসাবে, কোহোনেন মানচিত্রগুলি শ্রেণিবদ্ধকরণের জন্য আকর্ষণীয় : আপনার সংগীত সংগ্রহের মধ্যে লুকানো সম্পর্কগুলি সন্ধান করুন, একটি স্মার্ট রোবট তৈরি করুন বা নেটফ্লিক্স পুরষ্কার সমাধান করুন ।

— কর্বিন মার্চ
সূত্র
1

আমি মনে করি একটি ভাল সূচনা পয়েন্ট সবসময় উইকিপিডিয়ায় থাকবে । সেখানে আপনি ডকুমেন্টেশন এবং প্রকল্পগুলিতে কিছু সার্থক লিঙ্ক খুঁজে পাবেন যা নিউরাল নেটও ব্যবহার করে।

— Xn0vv3r
সূত্র
1

আমার অধ্যয়নের সময় দুটি বই যেখানে ব্যবহৃত হয়েছিল:

প্রবর্তনীয় কোর্স: ইগর আলেকসান্দার এবং হেলেন মর্টন রচিত নিউরাল কম্পিউটিংয়ের একটি ভূমিকা।

অ্যাডভান্সড কোর্স: রবার্ট হেচট-নিলসেনের নিউরোকমপুটিং

— তুন কৃজেতে
সূত্র
1

প্রোগ্রামিং কালেক্টিভ ইন্টেলিজেন্স অনুসন্ধান এবং র‌্যাঙ্কিং অ্যালগরিদমের প্রসঙ্গে এটি আলোচনা করে। এছাড়াও, এখানে উপলভ্য কোডটিতে (সিএইচ 4) বইটিতে আলোচিত ধারণাগুলি পাইথনের উদাহরণে চিত্রিত হয়েছে।

— jamesaharvey
সূত্র
1

আমি অন্যান্য লোকদের সাথে একমত হয়েছি যারা বলেছিলেন যে জীববিজ্ঞান অধ্যয়ন করা ভাল সূচনা পয়েন্ট নয় ... কারণ জীববিজ্ঞানে প্রচুর অপ্রাসঙ্গিক তথ্য রয়েছে। নিউরন এর কার্যকারিতা পুনরায় তৈরি করতে আপনাকে কীভাবে কাজ করে তা বোঝার দরকার নেই - আপনাকে কেবল তার ক্রিয়াকলাপগুলি সিমুলেট করতে হবে। আমি রে কুর্জওয়েল রচিত "কিভাবে মন তৈরি করতে পারি" রিকোমেন্ড করি - এটি জীববিজ্ঞানের দিকগুলিতে যায় যা গণনার মডেলগুলির জন্য প্রাসঙ্গিক, (বেশ কয়েকটি ইনপুট সংমিশ্রণ করে এবং একটি চৌম্বক পৌঁছে ফায়ার করে একটি সিমিউলেটেড নিউরন তৈরি করে) তবে অমনোযোগী স্টাফকে উপেক্ষা করে নিউরন আসলে কীভাবে থোজার ইনপুট টোগেদার যুক্ত করে। (উদাহরণস্বরূপ, একটি প্রান্তিকের সাথে তুলনা করতে আপনি কেবল + এবং একটি অসমতা ব্যবহার করবেন)

আমার এটিও উল্লেখ করা উচিত যে বইটি 'মন তৈরি করা' সম্পর্কে সত্যই নয় - এটি কেবল বংশগত প্যাটার্ন স্বীকৃতি / নিউওরটেক্সকে কেন্দ্র করে। আমি সাধারণ থিমটি 1980 সালের দশকের পর থেকে আলোচনা করছি, তাই প্রচুর পুরানো বই রয়েছে যা সম্ভবত একই তথ্যের সামান্য তারিখযুক্ত ফর্ম ধারণ করে। আমি পুরানো নথিগুলি পড়েছি তা উল্লেখ করে যে দর্শন সিস্টেমটি উদাহরণস্বরূপ, একাধিক স্তরযুক্ত প্যাটার্ন শনাক্তকারী। তিনি দাবি করেন যে এটি পুরো নিউওরেক্টেক্সে প্রযোজ্য। এছাড়াও, তার 'পূর্বাভাস' লবণের এক দানার সাথে নিন - তার হার্ডওয়ারের অনুমানগুলি সম্ভবত বেশ নির্ভুল, তবে আমি মনে করি যে তিনি সহজ জটিল কাজগুলি কতটা জটিল হতে পারেন (উদাহরণস্বরূপ: গাড়ি চালানো) e মঞ্জুর, তিনি প্রচুর অগ্রগতি দেখেছেন (এবং এর কিছু অংশ হয়েছিলেন) তবে আমি এখনও তার চেয়ে বেশি আশাবাদী বলে মনে করি। একজন এআই গাড়ি সফলভাবে একটি মাইল 90% সময় চালনা করতে সক্ষম হওয়ার মধ্যে একটি বড় পার্থক্য রয়েছে, যখন একজন মানুষ করতে পারে 99.9 +% এর সাথে তুলনা করে। কমপক্ষে 20 বছর ধরে কোনও এআই সত্যই আমাকে চালাবেন বলে আমি আশা করি না ... (আমি বিএমডাব্লু ট্র্যাক গাড়িগুলিকে প্রকৃত কোর্সে 'প্রশিক্ষিত' হওয়া দরকার বলে গণনা করি না, কারণ তারা সত্যিই একই খেলছে না are খেলা)

আপনার কাছে ইতিমধ্যে এআই কী এবং কীভাবে এটি মডেল করা যায় তার একটি প্রাথমিক ধারণা থাকলে আপনি আরও প্রযুক্তিগত কিছু এড়িয়ে যাওয়াই ভাল।

— অ্যালেন
সূত্র
0

আপনি যদি সত্যিকারের সিমুলেটরটিতে কিছু নিউরাল নেটওয়ার্ক ধারণাগুলির অ্যাপ্লিকেশন সম্পর্কে দ্রুত জানতে চান তবে এখানে একটি দুর্দান্ত অনলাইন বই রয়েছে (এখন উইকি) http://grey.colorado.edu/CompCogNeuro/index- এ 'কম্পিউটেশনাল কগনিটিভ নিউরোসায়েন্স' নামে একটি বই রয়েছে । পিএইচপি / CCNBook / প্রধান

বইটি পাঠ্যপুস্তক হিসাবে স্কুলে ব্যবহৃত হয় এবং পৃথক নিউরোন থেকে শুরু করে উচ্চতর অর্ডার নির্বাহী কার্যক্রমে সমস্ত মস্তিষ্কের বিভিন্ন অঞ্চল আপনাকে নিয়ে যায়।

তদ্ব্যতীত, প্রতিটি বিভাগ হোমওয়ার্ক 'প্রকল্পগুলি' দিয়ে বাড়ানো হয়েছে যা আপনার জন্য ইতিমধ্যে নিচে রয়েছে। অধ্যায়টি যে বিষয়ে কথা বলেছে কেবল তা ডাউনলোড করুন, পদক্ষেপগুলি অনুসরণ করুন এবং সমস্ত অনুকরণ করুন। তারা, ইমার্জেন্ট, যে সফটওয়্যারটি ব্যবহার করে তা হ'ল ফিনিকিক তবে অবিশ্বাস্যরকম মজবুত: এটি আমার বিশ্বাস যে 10 বছরেরও বেশি কাজের কাজ।

আমি এই অতীতের সেমিস্টারে একটি আন্ডারগ্রাড ক্লাসে গিয়েছিলাম, এবং এটি দুর্দান্ত ছিল। প্রতিটি পদক্ষেপে আপনাকে ধাপে ধাপে নিয়ে যায়

— বরুণ সিং
সূত্র
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.