नियोकॉग्निट्रोन: Difference between revisions

From Vigyanwiki
No edit summary
 
Line 30: Line 30:
विभिन्न प्रकार के नियोकॉग्निट्रॉन हैं।<ref>Fukushima 2007</ref> उदाहरण के लिए, कुछ प्रकार के नियोकोग्निट्रॉन, [[चयनात्मक ध्यान]] प्राप्त करने के लिए पिछड़े संकेतों का उपयोग करके एक ही इनपुट में कई पैटर्न का पता लगा सकते हैं।<ref>Fukushima 1987, pp.81, 85</ref>
विभिन्न प्रकार के नियोकॉग्निट्रॉन हैं।<ref>Fukushima 2007</ref> उदाहरण के लिए, कुछ प्रकार के नियोकोग्निट्रॉन, [[चयनात्मक ध्यान]] प्राप्त करने के लिए पिछड़े संकेतों का उपयोग करके एक ही इनपुट में कई पैटर्न का पता लगा सकते हैं।<ref>Fukushima 1987, pp.81, 85</ref>


[[Category: Machine Translated Page]]
[[Category:CS1]]
[[Category:CS1 日本語-language sources (ja)]]
[[Category:Created On 02/05/2023]]
[[Category:Created On 02/05/2023]]
[[Category:Vigyan Ready]]
[[Category:Lua-based templates]]
[[Category:Machine Translated Page]]
[[Category:Pages with script errors]]
[[Category:Templates Vigyan Ready]]
[[Category:Templates that add a tracking category]]
[[Category:Templates that generate short descriptions]]
[[Category:Templates using TemplateData]]

Latest revision as of 16:00, 16 May 2023


नियोकॉग्निट्रोन 1979 में कुनिहिको फुकुशिमा द्वारा प्रस्तावित पदानुक्रमित, बहुस्तरीय कृत्रिम तंत्रिका नेटवर्क है।[1] इसका उपयोग जापानी हस्तलिपि पहचान और अन्य पैटर्न पहचान कार्यों के लिए किया गया है, और दृढ़ तंत्रिका नेटवर्क के लिए प्रेरणा के रूप में कार्य किया है।[2]

नियोकॉग्निट्रोन 1959 में डेविड एच. हबेल और टॉर्स्टन वीज़ल द्वारा प्रस्तावित मॉडल से प्रेरित था। उन्होंने साधारण सेल और जटिल सेल नामक दृश्य प्राथमिक कॉर्टेक्स में दो प्रकार की कोशिकाओं को पाया,और पैटर्न मान्यता में उपयोग के लिए इन दो प्रकार की कोशिकाओं के कैस्केडिंग मॉडल भी प्रस्तावित किया।[3][4]

नियोकॉग्निट्रोन इन कैस्केडिंग मॉडलों का स्वाभाविक विस्तार है। नियोकॉग्निट्रोन में कई प्रकार की कोशिकाएँ होती हैं, जिनमें से सबसे महत्वपूर्ण S-कोशिकाएँ और C-कोशिकाएँ कहलाती हैं।[5] स्थानीय विशेषताएं S-कोशिकाओं द्वारा निकाली जाती हैं, और इन सुविधाओं की विकृति, जैसे स्थानीय बदलाव, C-कोशिकाओं द्वारा सहन की जाती हैं। इनपुट में स्थानीय विशेषताओं को धीरे-धीरे एकीकृत किया जाता है और उच्च परतों में वर्गीकृत किया जाता है।[6] स्थानीय विशेषता इंटीग्रेशन का विचार कई अन्य मॉडलों में पाया जाता है, जैसे कि संवादात्मक तंत्रिका नेटवर्क मॉडल, स्केल-इनवेरिएंट फीचर ट्रांसफॉर्म विधि और ओरिएंटेड ग्रेडियेंट का हिस्टोग्राम विधि होती है।

विभिन्न प्रकार के नियोकॉग्निट्रॉन हैं।[7] उदाहरण के लिए, कुछ प्रकार के नियोकोग्निट्रॉन, चयनात्मक ध्यान प्राप्त करने के लिए पिछड़े संकेतों का उपयोग करके एक ही इनपुट में कई पैटर्न का पता लगा सकते हैं।[8]

  1. Fukushima, Kunihiko (October 1979). "位置ずれに影響されないパターン認識機構の神経回路のモデル --- ネオコグニトロン ---" [Neural network model for a mechanism of pattern recognition unaffected by shift in position — Neocognitron —]. Trans. IECE (in 日本語). J62-A (10): 658–665.
  2. LeCun, Yann; Bengio, Yoshua; Hinton, Geoffrey (2015). "ध्यान लगा के पढ़ना या सीखना". Nature. 521 (7553): 436–444. Bibcode:2015Natur.521..436L. doi:10.1038/nature14539. PMID 26017442. S2CID 3074096.
  3. David H. Hubel and Torsten N. Wiesel (2005). Brain and visual perception: the story of a 25-year collaboration. Oxford University Press US. p. 106. ISBN 978-0-19-517618-6.
  4. Hubel, DH; Wiesel, TN (October 1959). "बिल्ली के स्ट्रेट कॉर्टेक्स में एकल न्यूरॉन्स के ग्रहणशील क्षेत्र". J. Physiol. 148 (3): 574–91. doi:10.1113/jphysiol.1959.sp006308. PMC 1363130. PMID 14403679.
  5. Fukushima 1987, p. 83.
  6. Fukushima 1987, p. 84.
  7. Fukushima 2007
  8. Fukushima 1987, pp.81, 85