न्यूरल नेटवर्क सॉफ्टवेयर

न्यूरल नेटवर्क सॉफ्टवेयर का उपयोग सिमुलेशन, रिसर्च, सॉफ़्टवेयर डेवलपमेंट और आर्टिफिशियल न्यूरल नेटवर्क, आर्टिफिशियल न्यूरल नेटवर्क से अनुकूलित सॉफ़्टवेयर कांसेप्ट को लागू करने और कुछ स्तिथियों में, आर्टिफिशियल बुद्धिमत्ता और यंत्र अधिगम जैसे अडाप्टिव प्रणालियों की एक वाइडर ऐरे को लागू करने के लिए किया जाता है।

सिम्युलेटर

न्यूरल नेटवर्क सिमुलेटर सॉफ़्टवेयर एप्लीकेशन हैं जिनका उपयोग आर्टिफिशियल या बायोलॉजिकल न्यूरल नेटवर्क के बिहेवियर को अनुकरण करने के लिए किया जाता है। वे एक या लिमिटेड नंबर में विशिष्ट प्रकार के न्यूरल नेटवर्क पर ध्यान केंद्रित करते हैं। वे सामान्यतः स्टैंड-अलोन होते हैं और सामान्य न्यूरल नेटवर्क का उत्पादन करने का इरादा नहीं रखते हैं जिन्हें अन्य सॉफ़्टवेयर में इंटीग्रेटेड किया जा सकता है। ट्रेनिंग प्रोसेस की निगरानी के लिए सिम्युलेटर में सामान्यतः कुछ प्रकार के अंतर्निहित सॉफ्टवेयर विज़ुअलाइज़ेशन होते हैं। कुछ सिमुलेटर न्यूरल नेटवर्क की फिजिकल स्ट्रक्चर की भी कल्पना करते हैं।

रिसर्च सिमुलेटर

File:Snns screen.jpg

एसएनएनएस रिसर्च न्यूरल नेटवर्क सिम्युलेटर

ऐतिहासिक रूप से, सबसे सामान्य प्रकार के न्यूरल नेटवर्क सॉफ्टवेयर का उद्देश्य न्यूरल नेटवर्क स्ट्रक्चर और एल्गोरिदम पर शोध करना था। इस प्रकार के सॉफ़्टवेयर का प्राथमिक उद्देश्य सिमुलेशन के माध्यम से न्यूरल नेटवर्क के बिहेवियर और प्रॉपर्टीज की बेहतर समझ प्राप्त करना है। आज आर्टिफिशियल न्यूरल नेटवर्क के अध्ययन में, रिसर्च प्लेटफार्मों के रूप में सिमुलेटरों को बड़े पैमाने पर अधिक जनरल कॉम्पोनेन्ट आधारित डेवलपमेंट एनवायरनमेंट द्वारा प्रतिस्थापित किया गया है।

सामान्यतः उपयोग किए जाने वाले आर्टिफिशियल न्यूरल नेटवर्क सिमुलेटर में स्टटगार्ट न्यूरल नेटवर्क सिम्युलेटर (एसएनएनएस), इमर्जेंट (सॉफ्टवेयर) और न्यूरल लैब सम्मिलित हैं।

हालाँकि, आर्टिफिशियल न्यूरल नेटवर्क के अध्ययन में, सिमुलेशन सॉफ्टवेयर अभी भी एकमात्र उपलब्ध दृष्टिकोण है। ऐसे सिमुलेटर में न्यूरल ऊतक के भौतिक बायोलॉजिकल और रासायनिक गुणों के साथ-साथ न्यूरॉन्स के बीच विद्युत चुम्बकीय आवेगों का अध्ययन किया जाता है।

सामान्यतः उपयोग किए जाने वाले बायोलॉजिकल नेटवर्क सिमुलेटर में न्यूरॉन (सॉफ्टवेयर), जेनेसिस (सॉफ्टवेयर), नेस्ट (सॉफ्टवेयर) और ब्रायन (सॉफ्टवेयर) सम्मिलित हैं।

डेटा एनालिसिस सिमुलेटर

रिसर्च सिमुलेटर के विपरीत, डेटा एनालिसिस सिमुलेटर आर्टिफिशियल न्यूरल नेटवर्क के प्रैक्टिकल एप्लीकेशन के लिए अभिप्रेत हैं। उनका प्राथमिक ध्यान डेटा माइनिंग और फोरकास्टिंग पर है। डेटा एनालिसिस सिमुलेटर में सामान्यतः कुछ प्रकार की प्रीप्रोसेसिंग कैपेबिलिटीज होती हैं। अधिक सामान्य डेवलपमेंट परिवेशों के विपरीत, डेटा एनालिसिस सिम्युलेटर अपेक्षाकृत सिंपल स्टैटिक न्यूरल नेटवर्क का उपयोग करते हैं जिन्हें कॉन्फ़िगर किया जा सकता है। बाज़ार में अधिकांश डेटा एनालिसिस सिमुलेटर अपने ओरिजिनल के रूप में बैकप्रोपेगेटिंग नेटवर्क या स्व-व्यवस्थित मैप का उपयोग करते हैं। इस प्रकार के सॉफ़्टवेयर का लाभ यह है कि इसका उपयोग करना रीलेटिव्ली आसान है। न्यूरल डिजाइनर डेटा एनालिसिस सिम्युलेटर का एक उदाहरण है।

न्यूरल नेटवर्क सिद्धांत सिखाने के लिए सिम्युलेटर

जब कनेक्शनिज्म ने प्रोसेसिंग वॉल्यूम वितरित किया 1986-87 में जारी किए गए, उन्होंने कुछ रीलेटिव्ली सिंपल सॉफ्टवेयर प्रदान किए। ओरिजिनल पीडीपी सॉफ़्टवेयर को किसी भी प्रोग्रामिंग कौशल की आवश्यकता नहीं थी, जिसके कारण विभिन्न क्षेत्रों में विभिन्न प्रकार के शोधकर्ताओं ने इसे अपनाया। ओरिजिनल पीडीपी सॉफ़्टवेयर को पीडीपी++ नामक एक अधिक शक्तिशाली पैकेज में डेवलप किया गया था, जो बदले में इमर्जेंट (सॉफ़्टवेयर) नामक और भी अधिक शक्तिशाली प्लेटफ़ॉर्म बन गया है। प्रत्येक डेवलपमेंट के साथ, सॉफ़्टवेयर अधिक शक्तिशाली हो गया है, लेकिन प्रारम्भिक लोगों के उपयोग के लिए और अधिक चुनौतीपूर्ण भी हो गया है।

1997 में, एक पुस्तक के साथ टीलर्न सॉफ़्टवेयर जारी किया गया था। यह एक छोटा, यूजर-फ्रेंडली, सिम्युलेटर प्रदान करने के विचार की वापसी थी जिसे नोविस को ध्यान में रखकर अभिकल्पित किया गया था। टीलर्न ने सिंपल रीकरेंट नेटवर्क के साथ-साथ बेसिक फीड फॉरवर्ड नेटवर्क की अनुमति दी, दोनों को सरल बैक प्रोपेगेशन एल्गोरिदम द्वारा प्रशिक्षित किया जा सकता है। टीलर्न को 1999 से अद्यतन नहीं किया गया है।

2011 में, बेसिक प्रोप सिम्युलेटर जारी किया गया था। बेसिक प्रोप एक सेल्फ-कन्टेंड एप्लिकेशन है, जिसे प्लेटफ़ॉर्म न्यूट्रल जेएआर फ़ाइल के रूप में वितरित किया जाता है, जो टीलर्न जैसी ही सिंपल फंक्शनलिटी प्रदान करता है।

2012 में, विंटम्पला ने लागू करने के लिए C++ कक्षाओं के एक सेट के साथ एनएन नामक एक नेमस्पेस सम्मिलित किया: फ़ीड फ़ॉरवर्ड नेटवर्क, सिंपल रीकरंट नेटवर्क और कोहोनेन नेटवर्क। न्यूरल लैब ट्यूटोरियल और विनटेम्पला ट्यूटोरियल न्यूरल नेटवर्क के लिए इनमें से कुछ कक्षाओं की व्याख्या करते हैं। विंटम्पला का मुख्य हानि यह है कि यह केवल माइक्रोसॉफ्ट विजुअल स्टूडियो के साथ संकलित होता है।

डेवलपमेंट एनवायरनमेंट

न्यूरल नेटवर्क के लिए डेवलपमेंट एनवायरनमेंट मुख्य रूप से दो कारणों से ऊपर वर्णित सॉफ़्टवेयर से भिन्न होता है - उनका उपयोग कस्टम प्रकार के न्यूरल नेटवर्क विकसित करने के लिए किया जा सकता है और वे पर्यावरण के बाहर न्यूरल नेटवर्क के डिप्लॉयमेंट का समर्थन करते हैं। कुछ मामलों में उनके पास उन्नत प्रीप्रोसेसिंग, विश्लेषण और विज़ुअलाइज़ेशन क्षमताएं होती हैं।

कम्पोनेंट बेस्ड

File:Synapse screen.jpg

पेल्टारियन पेल्टेरियन सिनैप्स कम्पोनेंट बेस्ड डेवलपमेंट एनवायरनमेंट।

अधिक आधुनिक प्रकार का डेवलपमेंट एनवायरनमेंट जो वर्तमान में औद्योगिक और वैज्ञानिक दोनों उपयोगों में पसंद किया जाता है, कम्पोनेंट-बेस्ड सॉफ़्टवेयर इंजीनियरिंग पर आधारित है। न्यूरल नेटवर्क का निर्माण पाइप फ़िल्टर प्रवाह में अनुकूली फ़िल्टर कम्पोनेंट को जोड़कर किया जाता है। यह अधिक लचीलेपन की अनुमति देता है क्योंकि कस्टम नेटवर्क के साथ-साथ नेटवर्क द्वारा उपयोग किए जाने वाले कस्टम कम्पोनेंट का निर्माण भी किया जा सकता है। कई स्तिथियों में यह अनुकूली और गैर-अनुकूली कम्पोनेंट के संयोजन को एक साथ काम करने की अनुमति देता है। डेटा प्रवाह को एक नियंत्रण प्रणाली द्वारा नियंत्रित किया जाता है जो विनिमय योग्य होने के साथ-साथ अनुकूलन एल्गोरिदम भी है। अन्य महत्वपूर्ण विशेषता डिप्लॉयमेंट कैपेबिलिटीज हैं।

एनइटी और जावा (प्रोग्रामिंग लैंग्वेज) जैसे कम्पोनेंट-बेस्ड फ़्रेमवर्क के आगमन के साथ, कम्पोनेंट बेस्ड डेवलपमेंट एनवायरनमेंट डेवलप न्यूरल नेटवर्क को इन फ़्रेमवर्क में अंतर्निहित कम्पोनेंट के रूप में डिप्लॉय करने में सक्षम हैं। इसके अतिरिक्त कुछ सॉफ़्टवेयर इन कम्पोनेंट को कई प्लेटफ़ॉर्म, जैसे अंतः स्थापित प्रणाली, पर भी डिप्लॉय कर सकते हैं।

कम्पोनेंट बेस्ड डेवलपमेंट एनवायरनमेंट में सम्मिलित हैं: पेल्टारियन पेल्टारियन सिनैप्स, [[न्यूरोफडायमेंशन]] न्यूरोसॉल्यूशंस, वैज्ञानिक सॉफ्टवेयर न्यूरो प्रयोगशाला, और लायनसोल्वर इंटीग्रेटेड सॉफ्टवेयर। मुफ़्त ओपन सोर्स सॉफ्टवेयर कम्पोनेंट बेस्ड एनवायरनमेंट में एन्कोग और न्यूरॉफ़ सम्मिलित हैं।

क्रिटिसिज़्म

कम्पोनेंट-बेस्ड डेवलपमेंट एनवायरनमेंट की एक हानि यह है कि वे सिमुलेटर की तुलना में अधिक जटिल हैं। उन्हें पूरी तरह से संचालित करने के लिए अधिक सीखने की आवश्यकता होती है और उन्हें डेवलप करना अधिक जटिल होता है।

कस्टम न्यूरल नेटवर्क

हालाँकि उपलब्ध न्यूरल नेटवर्क के अधिकांश इम्प्लीमेंटेशन्स विभिन्न प्रोग्रामिंग लैंग्वेज और विभिन्न प्लेटफार्मों पर कस्टम इम्प्लीमेंटेशन्स हैं। बुनियादी प्रकार के न्यूरल नेटवर्क को सीधे लागू करना आसान है। ऐसी कई प्रोग्रामिंग लाइब्रेरीज भी हैं जिनमें न्यूरल नेटवर्क कार्यक्षमता होती है और जिनका उपयोग कस्टम इम्प्लीमेंटेशन्स (जैसे कि टेंसरफ़्लो, थीनो (सॉफ़्टवेयर) आदि) में किया जा सकता है, जो सामान्यतः पायथन (प्रोग्रामिंग लैंग्वेज), सी ++, जावा (प्रोग्रामिंग लैंग्वेज) जैसी लैंग्वेज को बाइंडिंग प्रदान करते हैं)।

मानक

न्यूरल नेटवर्क मॉडल को विभिन्न एप्लीकेशन द्वारा साझा करने के लिए, एक कॉमन लैंग्वेज आवश्यक है। इस आवश्यकता को संबोधित करने के लिए फोरकास्टिंगित मॉडल मार्कअप लैंग्वेज (पीएमएमएल) प्रस्तावित किया गया है। पीएमएमएल एक एक्सएमएल-आधारित लैंग्वेज है जो एप्लीकेशन को पीएमएमएल अनुरूप एप्लीकेशन के बीच न्यूरल नेटवर्क मॉडल (और अन्य डेटा माइनिंग मॉडल) को परिभाषित करने और साझा करने का एक तरीका प्रदान करती है।

पीएमएमएल एप्लीकेशन को मॉडल को परिभाषित करने की एक वेंडर-इंडिपेंडेंट विधि प्रदान करता है ताकि मालिकाना परिस्थिति और असंगतताएं अब एप्लीकेशन के बीच मॉडल के आदान-प्रदान में बाधा न बनें। यह यूजर को एक वेंडर के एप्लिकेशन के भीतर मॉडल डेवलप करने और मॉडल विज़ुअलाइज़, एनालिसिस, इवैल्यूऐट या अन्यथा उपयोग करने के लिए अन्य वेंडर के एप्लिकेशन का उपयोग करने की अनुमति देता है। पहले, यह बहुत कठिन था, लेकिन पीएमएमएल के साथ, अनुरूप एप्लीकेशन के बीच मॉडलों का आदान-प्रदान अब सीधा हो गया है।

पीएमएमएल उपभोक्ता और उत्पादक

पीएमएमएल के उत्पादन और उपभोग के लिए उत्पादों की एक श्रृंखला प्रस्तुत की जा रही है। इस लगातार बढ़ती सूची में निम्नलिखित न्यूरल नेटवर्क उत्पाद सम्मिलित हैं:

• आर: पैकेज पीएमएमएल के माध्यम से न्यूरल जाल और अन्य मशीन लर्निंग मॉडल के लिए पीएमएमएल का उत्पादन करता है।
• एसएएस एंटरप्राइज माइनर: न्यूरल - तंत्र, लीनियर और लॉजिस्टिक रिग्रेशन, डिसीजन ट्री और अन्य डेटा माइनिंग मॉडल सहित कई माइनिंग मॉडल के लिए पीएमएमएल का उत्पादन करता है।
• एसपीएसएस: न्यूरल नेटवर्क के साथ-साथ कई अन्य माइनिंग मॉडल के लिए पीएमएमएल का उत्पादन करता है।
• स्टेटिस्टिका: न्यूरल नेटवर्क, डेटा माइनिंग मॉडल और पारंपरिक सांख्यिकीय मॉडल के लिए पीएमएमएल का उत्पादन करता है।

यह भी देखें

• एआई त्वरक
• भौतिक न्यूरल नेटवर्क
• गहन शिक्षण सॉफ्टवेयर की तुलना
• डेटा माइनिंग
• इंटीग्रेटेड डेवलपमेंट पर्यावरण
• संभार तन्त्र परावर्तन
• यादगार

बाहरी संबंध

• Comparison of Neural एनइटीwork Simulators at University of Colorado