परिचय
डीप लर्निंग मशीन लर्निंग का एक उन्नत रूप है जो मानव मस्तिष्क के सीखने के तरीके का अनुकरण करने की कोशिश करता है।
आपके मस्तिष्क में, आपके पास न्यूरॉन्स नामक तंत्रिका कोशिकाएं होती हैं, जो तंत्रिका एक्सटेंशन द्वारा एक दूसरे से जुड़ी होती हैं जो नेटवर्क के माध्यम से विद्युत रासायनिक संकेतों को पारित करती हैं।
जब नेटवर्क में पहला न्यूरॉन उत्तेजित होता है, तो इनपुट सिग्नल संसाधित होता है, और यदि यह एक विशेष सीमा से अधिक हो जाता है, तो न्यूरॉन सक्रिय जाता है और सिग्नल को न्यूरॉन्स तक पहुंचाता है जिससे यह जुड़ा हुआ है। बदले में ये न्यूरॉन्स सक्रिय हो सकते हैं और बाकी नेटवर्क के माध्यम से सिग्नल पास कर सकते हैं। समय के साथ, न्यूरॉन्स के बीच कनेक्शन लगातार उपयोग से मजबूत होते हैं क्योंकि आप सीखते हैं कि प्रभावी ढंग से कैसे प्रतिक्रिया दें। उदाहरण के लिए, यदि कोई आपकी ओर गेंद फेंकता है, तो आपके न्यूरॉन कनेक्शन आपको दृश्य जानकारी को संसाधित करने और गेंद को पकड़ने के लिए अपने आंदोलनों का समन्वय करने में सक्षम बनाते हैं। यदि आप इस क्रिया को बार-बार करते हैं, तो गेंद को पकड़ने में शामिल न्यूरॉन्स का नेटवर्क मजबूत होता जाएगा क्योंकि आप सीखते हैं कि गेंद को पकड़ने में बेहतर कैसे होना चाहिए।
गहरी शिक्षा कृत्रिम तंत्रिका नेटवर्क का उपयोग करके इस जैविक प्रक्रिया का अनुकरण करती है जो विद्युत रासायनिक उत्तेजनाओं के बजाय संख्यात्मक इनपुट को संसाधित करती है।
आने वाले तंत्रिका कनेक्शन को संख्यात्मक इनपुट द्वारा प्रतिस्थापित किया जाता है जिन्हें आमतौर पर xके रूप में पहचाना जाता है। जब एक से अधिक इनपुट मान होते हैं, तो x को x1, x2नामक तत्वों के साथ एक वेक्टर माना जाता है, और इसी तरह।
प्रत्येक x मान के साथ संबद्ध एक वजन (w) है, जिसका उपयोग सीखने का अनुकरण करने के लिए x मान के प्रभाव को मजबूत या कमजोर करने के लिए किया जाता है। इसके अतिरिक्त, नेटवर्क पर बारीक नियंत्रण को सक्षम करने के लिए एक पूर्वाग्रह (b) इनपुट जोड़ा जाता है। प्रशिक्षण प्रक्रिया के दौरान, w और b मानों को नेटवर्क को ट्यून करने के लिए समायोजित किया जाएगा ताकि यह सही आउटपुट उत्पन्न करना "सीख" सके।
न्यूरॉन स्वयं एक फ़ंक्शन को समाहित करता है जो x, wऔर bके भारित योग की गणना करता है। यह फ़ंक्शन बदले में एक सक्रियण फ़ंक्शन में संलग्न होता है जो परिणाम को बाधित करता है (अक्सर 0 और 1 के बीच के मान पर) यह निर्धारित करने के लिए कि न्यूरॉन नेटवर्क में न्यूरॉन्स की अगली परत पर आउटपुट पास करता है या नहीं।