ল্যানিয়ার একটি নির্দিষ্ট ধারণার আশেপাশে একটি জাল ফেলার প্রয়াসে একটি 50 শতাংশ শব্দ আবিষ্কার করেছেন যা নির্দিষ্ট কিছু সনাক্তযোগ্য বৈশিষ্ট্যযুক্ত কম্পিউটার প্রোগ্রাম তৈরির জন্য একটি গণনীয় মডেল বর্ণনা করে।
শব্দের অর্থ:
ফাংশন অনুরোধ বা বার্তা পাসের জায়গায় প্যাটার্ন স্বীকৃতি বা কৃত্রিম জ্ঞান ব্যবহার করে এমন উপাদানগুলির ইন্টারঅ্যাকশন সম্পর্কিত একটি প্রক্রিয়া।
ধারণাটি মূলত জীববিজ্ঞান থেকে আসে। আপনার চোখ বিশ্বের সাথে ইন্টারফেস করে, যেমন কোনও ফাংশন See(byte[] coneData)
দিয়ে নয় , রেটিনা নামক একটি পৃষ্ঠের মাধ্যমে । এটি একটি তুচ্ছ পার্থক্য নয়; একটি কম্পিউটার অবশ্যই সমস্ত বাইট coneData
এক এক করে স্ক্যান করতে পারে, যেখানে আপনার মস্তিষ্ক those সমস্ত ইনপুট একসাথে প্রসেস করে।
ল্যানিয়ার দাবি করেছেন যে পরবর্তী ইন্টারফেসটি আরও ত্রুটি সহনশীল, এটি এটি (এককভাবে পিছলে coneData
যাওয়া পুরো সিস্টেমটি ভেঙে দিতে পারে)। তিনি দাবি করেন যে এটি প্যাটার্ন ম্যাচিং এবং অন্যান্য দক্ষতার একটি হোস্টকে সক্ষম করে যা সাধারণত কম্পিউটারের পক্ষে কঠিন, যা এটি করে।
কম্পিউটার সিস্টেমে পঞ্চম "ফেনোট্রপিক" প্রক্রিয়াটি হবে কৃত্রিম নিউরাল নেটওয়ার্ক (এএনএন)। এটি সংজ্ঞায়িত ইন্টারফেসের পরিবর্তে ইনপুট হিসাবে একটি "পৃষ্ঠ" লাগে। প্যাটার্ন স্বীকৃতির কিছু পরিমাপ অর্জনের জন্য অন্যান্য কৌশল রয়েছে তবে নিউরাল নেটওয়ার্ক হ'ল জীববিজ্ঞানের সাথে সবচেয়ে ঘনিষ্ঠভাবে সংযুক্ত। একটি এএনএন তৈরি করা সহজ; আপনি যে কার্যটি নির্ভরযোগ্যতার সাথে সম্পাদন করতে চান তা সম্পাদন করা বেশ কয়েকটি কারণের জন্য কঠিন:
- ইনপুট এবং আউটপুট "পৃষ্ঠতল" দেখতে কেমন? এগুলি কি স্থিতিশীল, বা সময়ের সাথে সাথে তারা আকারে পৃথক হয়?
- আপনি কীভাবে নেটওয়ার্ক স্ট্রাকচারটি পেতে পারেন?
- আপনি কিভাবে নেটওয়ার্ক প্রশিক্ষণ?
- আপনি কীভাবে পর্যাপ্ত পারফরম্যান্স বৈশিষ্ট্য পাবেন?
আপনি যদি জীববিজ্ঞানের সাথে অংশ নিতে ইচ্ছুক হন তবে আপনি জৈবিক মডেলটি সরবরাহ করতে পারেন (যা প্রকৃত জৈবিক নিউরনের ক্রিয়াকলাপ অনুকরণ করার চেষ্টা করে) এবং এমন একটি নেটওয়ার্ক তৈরি করতে পারেন যা ডিজিটাল কম্পিউটার সিস্টেমের আসল "নিউরন" এর সাথে আরও জড়িত দরজা)। এই নেটওয়ার্কগুলিকে অ্যাডাপিটিভ লজিক নেটওয়ার্ক (এএলএন) বলা হয়। তারা যেভাবে কাজ করেন তা হ'ল একটি বক্ররেখার আনুপাতিক লিনিয়ার ফাংশনগুলির একটি সিরিজ তৈরি করে। প্রক্রিয়াটি এরকম কিছু দেখাচ্ছে:
... যেখানে এক্স অক্ষগুলি ALN- তে কিছু ইনপুট উপস্থাপন করে এবং Y অক্ষটি কিছু আউটপুট উপস্থাপন করে। নির্ভুলতার উন্নতি করার জন্য প্রয়োজনীয় লিনিয়ার ফাংশনগুলির সংখ্যাটি কল্পনা করুন, এবং ধারণা করুন যে সমস্ত প্রক্রিয়া n স্বেচ্ছাসেবী মাত্রা জুড়ে ঘটছে, পুরোপুরি AND এবং OR যুক্তি গেট দিয়ে প্রয়োগ করা হয়েছে এবং আপনার কোনও ALN দেখতে কেমন তার কিছুটা ধারণা রয়েছে।
আ.ল.এন. এর কিছু নির্দিষ্ট এবং খুব আকর্ষণীয় বৈশিষ্ট্য রয়েছে:
- তারা মোটামুটি সহজে প্রশিক্ষণযোগ্য,
- এগুলি খুব অনুমানযোগ্য, অর্থাত্ ইনপুটটিতে সামান্য পরিবর্তন আউটপুটে বন্য দোল তৈরি করে না,
- তারা দ্রুত বজ্রপাত করছে, কারণ এগুলি একটি যুক্তিযুক্ত গাছের আকারে নির্মিত এবং বাইনারি অনুসন্ধানের মতো অনেকটাই পরিচালনা করে।
- তাদের অভ্যন্তরীণ আর্কিটেকচার প্রশিক্ষণের সেটটির ফলাফল হিসাবে প্রাকৃতিকভাবে বিকশিত হয়
সুতরাং একটি ফেনোট্রপিক প্রোগ্রামটি এরকম কিছু দেখায়; এটিতে ইনপুট, অনুমানযোগ্য আর্কিটেকচার এবং আচরণের জন্য একটি "পৃষ্ঠ" থাকবে এবং এটি শোরগোলের উপকরণগুলি সহনীয় হবে tole
অ্যালান কে দ্বারা "
ঝুঁকি মূল্যায়ন " বনাম "বার্তা ওরিয়েন্টেড" বনাম " ঝুঁকি মূল্যায়ন " নিরীক্ষণের জন্য একটি অ্যাপ্লিকেশন সহ অ্যাডাপটিভ লজিক নেটওয়ার্কগুলির পরিচিতি আরও পড়া
phenotropic program
?