कृत्रिम बुद्धिमत्ता: न्यूरल नेटवर्क

Podcast

Play an AI-generated podcast conversation about this lesson

Questions and Answers

न्यूरल नेटवर्क में जानकारी कैसे प्रसारित होती है?

ग्रिड टोपोलॉजी पर कन्वोल्यूशनल न्यूरल नेटवर्क्स से

लूप में.flow में रिकर्रेंट न्यूरल नेटवर्क्स से (correct)

एक दिशा में फीडफॉरवर्ड नेटवर्क्स से

सभी न्यूरल नेटवर्क्स में एक साथ

न्यूरल नेटवर्क्स में हिडेन लेयर्स का क्या काम होता है?

इनपुट डेटा प्राप्त करना

इनपुट डेटा का जटिल प्रतिनिधित्व करना (correct)

नेटवर्क के पैरामीटर्स अपडेट करना

आउटपुट उत्पन्न करना

एक्टिवेशन फंक्शंस न्यूरल नेटवर्क्स में क्या करते हैं?

जटिलता पेश करते हैं (correct)

आउटपुट उत्पन्न करते हैं

नेटवर्क के पैरामीटर्स अपडेट करते हैं

इनपुट डेटा प्राप्त करते हैं

न्यूरल नेटवर्क्स की ट्रेनिंग में क्या होता है?

नेटवर्क के पैरामीटर्स अपडेट होते हैं Signup and view all the answers

कोवनल्यूशनल न्यूरल नेटवर्क्स का उपयोग किस प्रकार के डेटा पर किया जाता है?

ग्रिड टोपोलॉजी डेटा पर Signup and view all the answers

न्यूरल नेटवर्क्स की सबसे बड़ी चुनौती क्या है?

ओवरफिटिंग Signup and view all the answers

न्यूरल नेटवर्क्स में बैकप्रोपेगेशन का उपयोग क्या है?

नेटवर्क के पैरामीटर्स अपडेट करने के लिए Signup and view all the answers

न्यूरल नेटवर्क्स के उपयोग पtwigame प्लेइंग में क्या है?

चेस, गो, और वीडियो गेम्स खेलना Signup and view all the answers

Study Notes

Artificial Intelligence: Neural Networks

What is a Neural Network?

A neural network is a machine learning model inspired by the structure and function of the human brain.
It's a collection of interconnected nodes or "neurons" that process and transmit information.

Types of Neural Networks

Feedforward Networks: Information flows only in one direction, from input nodes to output nodes, without forming cycles.
Recurrent Neural Networks (RNNs): Information flows in a loop, allowing the network to keep track of state and learn from sequences.
Convolutional Neural Networks (CNNs): Designed to process data with grid-like topology, such as images.

Components of a Neural Network

Input Layer: Receives the input data.
Hidden Layers: Performs complex representations of the input data.
Output Layer: Produces the final output.
Activation Functions: Introduce non-linearity to the model, e.g. sigmoid, ReLU, tanh.
Weights and Biases: Learnable parameters that adjust the strength of connections between nodes.

How Neural Networks Learn

Training: The network adjusts its weights and biases to minimize the difference between predicted and actual outputs.
Backpropagation: An algorithm used to compute the error gradient and update the network's parameters.
Optimization Algorithms: Used to update the network's parameters, e.g. stochastic gradient descent (SGD), Adam, RMSProp.

Applications of Neural Networks

Image Recognition: CNNs can classify images into objects, scenes, and actions.
Natural Language Processing: RNNs can process and generate text, speech, and language.
Game Playing: Neural networks can learn to play games like chess, Go, and video games.

Challenges and Limitations

Overfitting: The network becomes too specialized to the training data and fails to generalize.
Interpretability: Difficulty in understanding the network's decision-making process.
Adversarial Attacks: Maliciously crafted inputs designed to deceive the network.

कृत्रिम बुद्धिमत्ता : न्यूरल नेटवर्क्स

न्यूरल नेटवर्क क्या है?

एक मशीन लर्निंग मॉडल जो मानव मस्तिष्क की संरचना और कार्य से प्रेरित है।
इंटरकनेक्टेड नोड्स या "न्यूरॉन्स" का संग्रह जो जानकारी संसाधित और संचारित करते हैं।

न्यूरल नेटवर्क्स के प्रकार

फीडफॉरवर्ड नेटवर्क्स : जानकारी केवल एक दिशा में प्रवाहित होती है, इनपुट नोड्स से आउटपुट नोड्स तक, बिना चक्र बनाते हुए।
रिकरेंट न्यूरल नेटवर्क्स (RNNs) : जानकारी एक लूप में प्रवाहित होती है, नेटवर्क को स्टेट ट्रैक करने और अनुक्रम से सीखने की अनुमति देती है।
कंवोल्युशनल न्यूरल नेटवर्क्स (CNNs) : डेटा की ग्रिड-जैसी टोपोलोजी के साथ डेटा प्रोसेस करने के लिए डिज़ाइन किए गए।

न्यूरल नेटवर्क के घटक

इनपुट लेयर : इनपुट डेटाenerima।
हिडेन लेयर्स : इनपुट डेटा का जटिल प्रतिनिधित्व करते हैं।
आउटपुट लेयर : अंतिम आउटपुट उत्पन्न करता है।
एक्टिवेशन फंक्शन्स : मॉडल में गैर-रेखीयता लाते हैं, उदाहरण के लिए सिगमॉयड, RELU, तान।
वेट्स और बायस : नोड्स के बीच कनेक्शन की ताकत को समायोजित करने वाले सीखे जाने वाले पैरामीटर।

न्यूरल नेटवर्क्स कैसे सीखते हैं

ट्रेनिंग : नेटवर्क अपने वेट्स और बायस को समायोजित करता है ताकि पूर्वानुमान और वास्तविक आउटपुट के बीच अंतर को कम किया जा सके।
बैकप्रोपैगेशन : नेटवर्क के पैरामीटर अपडेट करने के लिए एल्गोरिथम का उपयोग किया जाता है।
ऑप्टिमाइज़ेशन एल्गोरिदम : नेटवर्क के पैरामीटर अपडेट करने के लिए प्रयोग किए जाते हैं, उदाहरण के लिए स्टोकेस्टिक ग्रेडिएंट डिसेंट (SGD), एडम, RMSProp।

न्यूरल नेटवर्क्स के अनुप्रयोग

इमेज रिकग्निशन : CNNs इमेजेज को वस्तुओं, दृश्यों और क्रियाओं में वर्गीकृत कर सकते हैं।
नैचुरल लैंग्वेज प्रोसेसिंग : RNNs पाठ, भाषा और वाणी प्रोसेस कर सकते हैं।
गेम प्लेइंग : न्यूरल नेटवर्क्स चेस, गो, और वीडियो गेम्स खेलना सीख सकते हैं।

न्यूरल नेटवर्क्स की चुनौतियां और सीमाएं

ओवरफिटिंग : नेटवर्क प्रशिक्षण डेटा से बहुत अधिक विशेषज्ञ हो जाता है और सामान्यीकरण करने में असफल रहता है।
इन्टरप्रेटेबिलिटी : नेटवर्क के निर्णय लेने की प्रक्रिया को समझने में कठिनाई।
एडवर्सरियल अटेक : नेटवर्क को धोखा देने के लिए डिज़ाइन किए गए 악의पूर्ण इनपुट।