परमाणु ऊर्जा विज्ञान और विद्युत उत्पादन प्रौद्योगिकी जर्नल

कृत्रिम तंत्रिका नेटवर्क सीखने के एल्गोरिदम और तकनीक पर विश्लेषणात्मक अध्ययन

जीविता मरुथाचलम*

कृत्रिम तंत्रिका नेटवर्क का व्यापक रूप से मानवीय निर्णय क्षमताओं का समर्थन करने, व्यवहार में असंगति और अनुभव की कमी के आधार पर त्रुटियों से बचने के लिए उपयोग किया जाता है। इस पेपर में हमने कृत्रिम तंत्रिका नेटवर्क में विभिन्न सीखने के नियमों का पता लगाया है जैसे कि प्रीसेप्ट्रॉन लर्निंग, त्रुटि सुधार, हेबियन और प्रतिस्पर्धा सीखने के नियमों का पता लगाया गया है। सीखने के नियम एल्गोरिदम हैं जो नेटवर्क में कनेक्शन के भार में परिवर्तन को निर्देशित करते हैं।

वे प्रशिक्षण के दौरान इसके भार को बदलने के लिए वांछित आउटपुट और वास्तविक आउटपुट के बीच अंतर का उपयोग करके त्रुटि कम करने की प्रक्रिया को शामिल कर रहे हैं। सीखने का नियम आम तौर पर बड़ी संख्या में युगों में प्रशिक्षण इनपुट के एक ही सेट पर बार-बार लागू किया जाता है, जिसमें भार के ठीक-ठीक होने के साथ-साथ युगों में त्रुटि धीरे-धीरे कम होती जाती है। यह पेपर मल्टीलेयर परसेप्ट्रॉन (एमएलपी) नामक एक न्यूरल नेटवर्क तकनीक पर भी ध्यान केंद्रित करता है, साथ ही इसके अनुप्रयोगों और फायदे और नुकसान पर भी।