نیورل نیٹ ورک ایسے کمپیوٹر میں منسلک یونٹس یا نوڈس ہیں جو انسانوں میں نیورون (اعصابی خلیات) کام کرتے ہیں اسی طرح سے معلومات (اعداد و شمار) منتقل کرنے، عمل کرنے اور معلومات سے سیکھتے ہیں.
مصنوعی نوری نیٹ ورکس
ٹیکنالوجی میں، نیورل نیٹ ورک اکثر مصنوعی نیورل نیٹ ورک (این این این) یا نیچرل نیٹ کے طور پر کہا جاتا ہے جو وہ حیاتیاتی نئیرل نیٹ ورک سے نمٹنے کے بعد ان کی نمائش کر رہے ہیں. این این کے پیچھے اہم خیال یہ ہے کہ انسانی دماغ سب سے زیادہ پیچیدہ اور ذہین "کمپیوٹر" ہے جو موجود ہے. دماغ کی طرف سے استعمال ہونے والے معلومات کی پروسیسنگ کی ساخت اور نظام کے طور پر قریب این این ایل ماڈلنگ کی طرف سے، محققین نے امید کی ہے کہ کمپیوٹر کو تخلیق کرنے والے افراد کو انسانی انٹیلی جنس سے رابطہ کیا جاسکتا ہے. مصنوعی انٹیلی جنس (اے اے)، مشین سیکھنے (ایم ایل)، اور گہری سیکھنے میں نیچرل نیٹ موجودہ پیش رفت کا اہم حصہ ہیں.
کس طرح نیند نیٹ ورکس کام: ایک مقابلے
سمجھتے ہیں کہ کس طرح نیورل نیٹ ورک کام کرتے ہیں اور دو اقسام (حیاتیاتی اور مصنوعی) کے درمیان اختلافات، 15 کی کہانیاں دفتر کی عمارت اور فون لائنوں اور سوئچ بورڈز کا استعمال کرتے ہیں جو پورے عمارت، انفرادی فرش، اور انفرادی دفاتر کو راستہ کہتے ہیں. ہماری 15 کہانیاں دفتر کی عمارت میں ہر انفرادی دفتر نیوران کی نمائندگی کرتا ہے (حیاتیات میں کمپیوٹر نیٹ ورکنگ یا اعصابی سیل میں نوڈ). عمارت خود ساختہ ساختہ ہے جس میں 15 فرش کے نظام (ایک اعصابی نیٹ ورک) کے نظام میں قائم ایک دفاتر دفاتر شامل ہے.
حیاتیاتی تھیلے نیٹ ورکس کے لئے مثال کے طور پر لاگو کرنا، کالز وصول کرنے والے سوئچ بورڈ نے پوری عمارت میں کسی بھی منزل پر کسی بھی دفتر سے منسلک کرنے کے لئے لائنیں موجود ہیں. اس کے علاوہ، ہر دفتر میں لائنیں موجود ہیں جو کسی بھی فرش پر پوری عمارت میں ہر دوسرے دفتر سے منسلک ہوتے ہیں. تصور کریں کہ کال میں (ان پٹ) آتا ہے اور سوئچ بورڈ کو 3 پر آفس میں منتقل کرتا ہےآر ایس فرش، جو اسے 11 بجے دفتر میں براہ راست منتقل کرتا ہےویں فرش، جس کے بعد اسے براہ راست 5 پر دفتر میں منتقل کرتا ہےویں فرش دماغ میں، ہر نیوران یا اعصابی سیل (ایک دفتر) براہ راست اس کے نظام یا نیورل نیٹ ورک (عمارت) میں کسی دوسرے نیروئن سے منسلک کرسکتا ہے. معلومات (کال) کسی دوسرے نیروئن (آفس) کو منتقل کرنے کے لئے یا سیکھنے کے لئے کیا ضرورت ہے سیکھنے کے لئے منتقل کیا جا سکتا ہے جب تک کوئی جواب یا قرارداد (پیداوار) نہیں ہے.
جب ہم اس مثال کو ANN پر لاگو کرتے ہیں، تو یہ بہت زیادہ پیچیدہ ہو جاتا ہے. عمارت کے ہر فرش کو اپنی اپنی سوئچ بورڈ کی ضرورت ہوتی ہے، جو صرف فرش پر دفاتر کے ساتھ ساتھ اس سے اوپر اور ذیل کے فرش پر سوئچ بورڈز سے منسلک کرسکتا ہے. ہر آفس صرف اسی منزل پر دیگر دفاتر سے منسلک کرتا ہے اور اس منزل کے لئے سوئچ بورڈ. تمام نو کالوں کو سوئچ بورڈ کے ساتھ 1st منزل پر شروع کرنا لازمی ہے اور ہر ایک انفرادی فرش کو منتقل کرنے کے لئے لازمی طور پر 15 تک تک پہنچنا چاہئےویں کال ختم ہونے سے قبل منزل. آئیے یہ تحریک میں ڈالیں کہ یہ کیسے کام کرے.
تصور کریں کہ کال میں (ان پٹ) 1 میں آتا ہےst فرش سوئچ بورڈ اور ایک دفتر پر بھیج دیا جاتا ہے 1st منزل (نوڈ) اس وقت کال کو دوسرے دفاتر (نوڈس) کے درمیان براہ راست منتقل کیا جاتا ہےst فرش تک اگلے منزل تک بھیجنے کے لئے تیار نہیں ہے. پھر فون واپس بھیجے جانے کے لئے ضروری ہےst فرش سوئچ بورڈ، جس کے بعد اسے 2 میں منتقلnd فرش سوئچ بورڈ اسی طرح کے مرحلے میں ایک دفعہ کسی منزل کو دوبارہ دبایا جاتا ہے، اس کال کے ساتھ ہر ایک منزل پر کال بھیجا جاتا ہے جس میں تمام منزل منزل تک پہنچ جاتی ہے.
این این میں، نوڈس (دفاتر) تہوں میں (عمارت کے فرش) کا اہتمام کیا جاتا ہے. انفارمیشن (ایک کال) ہمیشہ ان پٹ پرت کے ذریعے آتا ہے (1st فرش اور اس کے سوئچ بورڈ) اور اگلے ایک میں منتقل ہونے سے پہلے ہر پرت (فرش) کی طرف سے اور عملدرآمد کے ذریعے بھیج دیا جانا چاہئے. ہر پرت (فرش) اس کال کے بارے میں ایک خاص تفصیل پر عمل کرتی ہے اور اگلے پرت کو کال کے ساتھ ساتھ نتائج بھیجتا ہے. جب کال آؤٹ پٹ پرت (15) تک پہنچ جاتا ہےویں فرش اور اس کے سوئچ بورڈ)، اس میں پروسیسنگ کی معلومات پرتوں 1-14 سے بھی شامل ہے. 15 نوڈس (دفاتر)ویں پرت (منزل) ان پٹ اور پروسیسنگ کی معلومات کو دوسرے تہوں (فرش) سے جواب یا قرارداد (آؤٹ پٹ) کے ساتھ آتے ہیں.
نیند نیٹ ورکس اور مشین سیکھنا
نیچرل نیٹ مشینری سیکھنے کے زمرے میں ایک قسم کی ٹیکنالوجی ہے. دراصل، نیچرل نیٹ کے تحقیق اور ترقی میں ترقی ایم ایل میں ترقی کی ایبب اور بہاؤ کو مضبوط طور پر منسلک کیا گیا ہے. نیچرل نیٹ ڈیٹا بیس پروسیسنگ کی اہلیتوں کو بڑھانے اور ایم ایل کی کمپیوٹنگ کی طاقت کو فروغ دیتے ہیں، ان اعداد و شمار کے حجم کو بڑھا سکتے ہیں جو عملدرآمد کی جاسکتی ہیں بلکہ زیادہ پیچیدہ کام انجام دینے کی صلاحیت رکھتے ہیں.
این این کے لئے پہلا دستاویزی کمپیوٹر ماڈل 1 943 میں والٹر پٹسس اور وارین میکوللوچ کی طرف سے پیدا ہوا. نیورل نیٹ ورکس اور مشینری سیکھنے میں ابتدائی دلچسپی اور تحقیق آخر میں آہستہ آہستہ ہوئی اور 1969 ء کی طرف سے کم یا زیادہ سے زیادہ رہائش پذیری تھی، اس کی تجدید دلچسپی کے صرف چھوٹے حصے کے ساتھ. اس وقت کے کمپیوٹرز کو ان علاقوں میں تیزی سے کافی یا کافی پروسیسروں کو آگے بڑھانے کی ضرورت نہیں تھی، اور ایم ایل اور نیچرل نیٹوں کے لئے ضروری مقدار میں اعداد و شمار اس وقت دستیاب نہیں تھے.
انٹرنیٹ کی ترقی اور توسیع کے ساتھ ساتھ وقت کے ساتھ طاقت کے ساتھ کمپیوٹنگ میں بڑے پیمانے پر اضافے (اور اس طرح انٹرنیٹ کے ذریعے ڈیٹا کی بڑی مقدار تک رسائی) ان ابتدائی چیلنجوں کو حل کر دیا ہے. نیچرل نیٹ اور ایل ایل اب ٹیکنالوجیوں میں ہم دیکھتے ہیں اور ہر دن استعمال کرتے ہیں، جیسے چہرے کی شناخت، تصویر پروسیسنگ اور تلاش، اور حقیقی وقت کی زبان کی ترجمانی - صرف چند نام کرنے کے لئے.
روزانہ کی زندگی میں نیند نیٹ ورک کی مثالیں
این این ٹیکنالوجی کے اندر ایک بہت ہی پیچیدہ موضوع ہے، تاہم، ہر روز ہماری زندگیوں پر بڑھتی ہوئی طریقوں کی بڑھتی ہوئی تعداد کی وجہ سے کچھ وقت لگانے کے قابل ہے. یہاں مختلف طریقوں سے چند مثالیں موجود ہیں جنہیں نیورل نیٹ ورک فی الحال مختلف صنعتوں کے ذریعہ استعمال کیا جاتا ہے:
- فنانس: کرنسی کرنسی ایکسچینج کی شرح کی پیروی کرنے کے لئے نیچرل نیٹ استعمال کیا جاتا ہے. اسٹاک مارکیٹ میں استعمال ہونے والی خود کار طریقے سے ٹریڈنگ کے نظام کے پیچھے ان ٹیکنالوجی میں بھی استعمال کیا جاتا ہے.
- طب: اعصابی نیٹ کی تصویر پروسیسنگ کی صلاحیتوں نے ٹیکنالوجی میں حصہ لیا ہے جس میں ابتدائی مرحلے کے لئے زیادہ درست طریقے سے اسکرین اور پتہ لگانے میں مدد ملتی ہے اور کینسر کی اقسام کی شناخت کے لئے مشکل ہے. اس طرح کی ایک قسم کے کینسر انکشی melanoma ہے، جلد کی کینسر کے سب سے زیادہ سنگین اور مہلک شکل. پہلے مرحلے پر میلانوما کی شناخت، اس سے پہلے پھیل گئی ہے، اس قسم کے کینسر کے ساتھ مریضوں کو اس کو شکست دینے کا بہترین موقع فراہم کرتا ہے.
- موسم: ماحولیاتی تبدیلیوں کا پتہ لگانے کی صلاحیت ہے جو ممکنہ طور پر سنجیدگی سے خطرناک اور خطرناک موسم ایونٹ کی نشاندہی کرتا ہے جیسے ہی ممکنہ طور پر اور درست طریقے سے ممکنہ طور پر زندگی بچانے کے لئے ضروری ہے. نیند نیٹس سیٹلائٹ اور رڈار کی تصاویر کی اصل وقت کی پروسیسنگ میں ملوث ہیں جو نہ صرف طوفانوں اور سائیکلوں کی ابتدائی تشکیل کا پتہ لگائیں بلکہ ان کی رفتار اور سمت میں اچانک تبدیلیوں کو بھی پتہ چلتا ہے جو ایک ٹھوس طوفان کی نشاندہی کرتی ہے. Tornadoes ریکارڈ پر سب سے مضبوط اور سب سے زیادہ خطرناک موسم کے واقعات ہیں - اکثر اچانک، تباہ کن، اور طوفان سے زیادہ مہلک.
