कृत्रिम बुद्धिको विकासको बारेमा तपाईंलाई थाहा छ
गहिरो शिक्षा मेशिन सिक्योरिटी (एमएल) को एक शक्तिशाली रूप हो जसले धेरै मात्रामा डेटा (जानकारी) प्रयोग गरी न्यूरल नेटवर्क भनिन्छ जटिल गणितीय संरचना बनाउँछ।
गहिरो शिक्षा परिभाषा
गहिरो शिक्षा अधिक जटिल प्रकार को डेटा प्रक्रिया गर्न को लागि तंत्रिका नेटवर्क को बहु तह को प्रयोग गरेर एमएल को लागू गर्न को एक तरीका हो। कहिलेकाहीँ पङ्क्तिगत शिक्षा भनिन्थ्यो, गहिरो अध्ययनले विभिन्न प्रकारका तंत्रिका सञ्जालहरू (विशेषताहरू पनि भनिन्छ) सिक्न र कच्चा, अनियमित डेटा (असंगत डेटा) को ठूलो सेटहरूमा फेला पार्नका लागि प्रयोग गर्दछ। गहिरो शिक्षाको पहिलो सफलता प्रदर्शन एक कार्यक्रम थियो जसले यूट्यूब भिडियोहरूको सेट सफलतापूर्वक बिरालोको तस्वीरहरु उठायो।
दैनिक जीवनमा गहिरो अध्ययन उदाहरणहरू
गहिरो शिक्षा मात्र छवि पहिचानमा प्रयोग गरिएको छैन, तर भाषा अनुवाद, धोखाधड़ी पत्ता लगाउन, र ग्राहकहरूको बारेमा कम्पनीहरु द्वारा एकत्रित डेटा का विश्लेषण गर्न। उदाहरणका लागि, नेटफिक्सले तपाईंको अवलोकनका बानीहरूको विश्लेषण गर्न गहिरो ज्ञान प्रयोग गर्दछ र भविष्यमा कुन कार्यक्रम र चलचित्रहरू मनपर्छ भनेर भविष्यवाणी गर्दछ। यो कसरी नेटफिक्सले तपाईंको सुझाव लाममा एक्शन चलचित्रहरू र प्रकृति वृत्तचित्रहरू राख्नुहुन्छ। अमेजनले तपाईंको भर्खरैका खरिदहरू विश्लेषण गर्न गहन सिक्का प्रयोग गर्दछ र तपाईले भर्खरै खोजी गर्नुभएको नयाँ देश संगीत एल्बमका लागि सुझाव सिर्जना गर्न खोज्नु भएको छ र तपाईले खैरो र पहेंलो टेनिसको जोडीको लागि बजारमा हुनुहुन्छ। जूता। गहिरो अध्ययनले असंगठित र कच्चा डाटाबाट अधिक जानकारी प्रदान गर्दछ भने, निगमहरूले ग्राहकहरूको आवश्यकतालाई अझ बढी आशा गर्न सक्दछन् जब तपाइँ, व्यक्तिगत ग्राहकले अधिक निजीकृत ग्राहक सेवा पाउनेछ।
कृत्रिम तंत्रिका सञ्जाल र गहरी सिकार
गहिरो ज्ञान बुझ्न सजिलो बनाउन को लागी, कृत्रिम तंत्रिका नेटवर्क (ANN) को तुलनामा हाम्रो पुनरुत्थान गरौं। गहिरो शिक्षाको लागी, हाम्रो 15-कथा कार्यालय भवनको कल्पनाले पाँच अन्य कार्यालय भवनहरूसँग शहरी ब्लकमा राख्छ। सडकको प्रत्येक पक्षमा तीन भवनहरू छन्। हाम्रो भवन ए निर्माण गर्दैछ र भवनको बीउ को एक समान को रूप मा साझेदारी गर्दछ किनकी बी र सी भवन को निर्माण देखि सडक ए 1 को निर्माण हो, र B निर्माण देखि 2, र यति को निर्माण हो। प्रत्येक भवनमा विभिन्न प्रकारको फर्श छ, विभिन्न सामग्रीबाट बनाइएको छ र अरूबाट अलग वास्तु शैली शैली छ। तथापि, हरेक भवन अझै कार्यालयहरू (नोड्स) को अलग फ्लोर (लेयर) मा व्यवस्थित गरिएको छ - त्यसैले प्रत्येक भवन एक अद्वितीय ANN हो।
कल्पना गर्नुहोस् कि डिजिटल प्याकेज ए निर्माणमा पुग्छ ए, धेरै प्रकारका विभिन्न प्रकारका स्रोतहरू सहित पाठ-आधारित डेटा, भिडियो स्ट्रीमहरू, अडियो स्ट्रिमहरू, टेलिफोन कलहरू, रेडियो तरंगहरू र तस्बिरहरू - तथापि, यो एक ठूलो बखतमा पुग्छ र कुनै पनि तार्किक बाटोमा लेबल नगरिएका वा क्रमबद्ध नगरिएको छैन (असंगत डेटा)। जानकारी प्रत्येक फर्श मार्फत 1 देखि 15 सम्म प्रशोधनको लागि पठाईएको छ। जानकारी जमघट 15 फ्लोरिडा (आउटपुट) पुग्छ पछि, यो निर्माण 3 को निर्माण फर्म 1 इनपुट को साथ पठाईएको अंतिम प्रसंस्करण परिणाम संग ए। भवन 3 बाट सिक्छ र ए एन्ड निर्माण द्वारा परिणाम पठाईएको छ। त्यसपछि एकै तरिकाले प्रत्येक फ्लोरमा जानकारी जमघट प्रक्रिया गर्दछ। जब जानकारी 3 भवनको माथिल्लो तल्ला पुग्छ, त्यहाँ भवन निर्माणको परिणामबाट त्यहाँ पठाइन्छ 1. भवन 1 यसले फ्लोर-फ्लोरिङ प्रशोधन गर्नु अघि 3 भवन निर्माण गर्ने परिणामहरू समावेश गर्दछ। भवन 1 सी निर्माण गर्न एकै तरिकामा जानकारी र नतीजा पठाउँछ, जुन 2 प्रक्रिया निर्माण गर्न पठाउँछ र पठाउँछ, जुन B. प्रक्रिया निर्माण गर्न पठाउँछ।
असंगठित डेटामा विभिन्न सुविधाको लागि हाम्रो उदाहरण खोजीमा प्रत्येक ANN (निर्माणको जानकारी) (जानकारी को बिरुवा) र परिणाम अर्को भवनमा पास गर्छ। अर्को भवनले समावेश गर्दछ (अघिल्लो) बाट आउटपुट (परिणामहरू)। डेटा प्रत्येक ANN (भवन) द्वारा प्रशोधन गरिएको छ रूपमा, यो एक विशेष सुविधा द्वारा व्यवस्थित र लेबल (वर्गीकृत) हुन्छ ताकि जब डेटा अन्तिम ANN (भवन) को अन्तिम निर्गत (शीर्ष तल्ला) पुग्छ, यो वर्गीकृत र लेबल गरिएको छ। (अधिक संरचित)।
कृत्रिम खुफिया, मिसिन सिक्ने, र गहिरो सिकाइ
कृत्रिम बुद्धि (एआई) र एमएल को समग्र तस्वीर मा गहिरो शिक्षा कसरी फिट छ? गहिरो शिक्षाले एमएलको शक्ति बढाउँछ र कार्यहरूको दायरा बढाउँछ ए AI प्रदर्शन गर्न सक्षम छ। किनकी गहिरो शिक्षा तंत्रिका जाल को उपयोग मा निर्भर गर्दछ र सरल कार्य-विशिष्ट एल्गोरिदम को बजाय डेटा सेट भित्र विशेषताहरु लाई मान्यता दि्छ, यसले मैन्युअल रूप देखि यसलाई मैन्युअल रूप देखि लेबल गर्न प्रोग्रामर को आवश्यकता को बिना असंगत (कच्चे) डेटा बाट विवरणहरु को उपयोग र उपयोग गर्न सक्छन्। -सम्पर्क गर्ने कार्य जुन त्रुटिहरू परिचय गर्न सक्छ। गहिरो शिक्षा कम्प्याक्ट्रीहरू र व्यक्तिका दुवैलाई मदत गर्न डेटा प्रयोग गरेर अझ राम्रो र अझ राम्ररी प्राप्त गर्न मद्दत गर्दछ।