परिशुद्धता (कंप्यूटर विज्ञान): Difference between revisions

From Vigyanwiki
No edit summary
No edit summary
Line 1: Line 1:
[[कंप्यूटर विज्ञान]] में, संख्यात्मक मात्रा की स्पष्टता उस विवरण का माप है जिसमें मात्रा व्यक्त की जाती है। इसे समान्यत: बिट्स में मापा जाता है, किंतु कभी-कभी दशमलव अंकों में भी यह [[परिशुद्धता (अंकगणित)]] से संबंधित है, जो किसी मान को व्यक्त करने के लिए उपयोग किए जाने वाले अंकों की संख्या का वर्णन करता है।
[[कंप्यूटर विज्ञान]] में, संख्यात्मक मात्रा की स्पष्टता उस विवरण का माप है जिसमें मात्रा व्यक्त की जाती है। इसे समान्यत: बिट्स में मापा जाता है, किंतु कभी-कभी दशमलव अंकों में भी यह [[परिशुद्धता (अंकगणित)]] से संबंधित है, जो किसी मान को व्यक्त करने के लिए उपयोग किए जाने वाले अंकों की संख्या का वर्णन करता है।


कुछ मानकीकृत स्पष्ट प्रारूप हैं
कुछ मानकीकृत स्पष्ट प्रारूप हैं
* [[अर्ध-परिशुद्धता फ़्लोटिंग-पॉइंट प्रारूप]]
* [[अर्ध-परिशुद्धता फ़्लोटिंग-पॉइंट प्रारूप]]
* [[एकल-परिशुद्धता फ़्लोटिंग-पॉइंट प्रारूप]]
* [[एकल-परिशुद्धता फ़्लोटिंग-पॉइंट प्रारूप]]
[[डबल-परिशुद्धता फ़्लोटिंग-पॉइंट प्रारूप]] प्रारूप
[[डबल-परिशुद्धता फ़्लोटिंग-पॉइंट प्रारूप]] प्रारूप
* [[चौगुनी-परिशुद्धता फ़्लोटिंग-पॉइंट प्रारूप]]
* [[चौगुनी-परिशुद्धता फ़्लोटिंग-पॉइंट प्रारूप]]
* [[ऑक्टूपल-सटीक फ़्लोटिंग-पॉइंट प्रारूप|ऑक्टूपल-स्पष्ट फ़्लोटिंग-पॉइंट प्रारूप]]
* [[ऑक्टूपल-सटीक फ़्लोटिंग-पॉइंट प्रारूप|ऑक्टूपल-स्पष्ट फ़्लोटिंग-पॉइंट प्रारूप]]


इनमें से ऑक्टूपल-प्रिसिजन प्रारूप का उपयोग संभवतः ही कभी किया जाता है। सिंगल- और डबल-प्रिसिजन प्रारूप सबसे अधिक व्यापक रूप से उपयोग किए जाते हैं और लगभग सभी प्लेटफार्मों पर समर्थित हैं। इस प्रकार अर्ध-स्पष्ट प्रारूप का उपयोग विशेष रूप से [[ यंत्र अधिगम |यंत्र अधिगम]] के क्षेत्र में बढ़ रहा है क्योंकि कई मशीन लर्निंग एल्गोरिदम स्वाभाविक रूप से त्रुटि-सहिष्णु हैं।
इनमें से ऑक्टूपल-प्रिसिजन प्रारूप का उपयोग संभवतः ही कभी किया जाता है। सिंगल- और डबल-प्रिसिजन प्रारूप सबसे अधिक व्यापक रूप से उपयोग किए जाते हैं और लगभग सभी प्लेटफार्मों पर समर्थित हैं। इस प्रकार अर्ध-स्पष्ट प्रारूप का उपयोग विशेष रूप से [[ यंत्र अधिगम |यंत्र अधिगम]] के क्षेत्र में बढ़ रहा है क्योंकि कई मशीन लर्निंग एल्गोरिदम स्वाभाविक रूप से त्रुटि-सहिष्णु हैं।


==पूर्णन त्रुटि==
==पूर्णन त्रुटि==
{{further|फ़्लोटिंग पॉइंट}}
{{further|फ़्लोटिंग पॉइंट}}


परिशुद्धता अधिकांशतः [[गणना]] में पूर्णांकन त्रुटियों का स्रोत होती है। किसी संख्या को संग्रहीत करने के लिए उपयोग की जाने वाली बिट्स की संख्या अधिकांशतः स्पष्ट ता में कुछ हानि का कारण बनेगी। जिसमे यह एक उदाहरण आईईईई एकल परिशुद्धता फ़्लोटिंग पॉइंट मानक में पाप (0.1) को संग्रहीत करना होगा। इस प्रकार त्रुटि तब अधिकांशतः बढ़ जाती है क्योंकि बाद की गणना डेटा का उपयोग करके की जाती है (चूँकि इसे कम भी किया जा सकता है)।
परिशुद्धता अधिकांशतः [[गणना]] में पूर्णांकन त्रुटियों का स्रोत होती है। किसी संख्या को संग्रहीत करने के लिए उपयोग की जाने वाली बिट्स की संख्या अधिकांशतः स्पष्ट ता में कुछ हानि का कारण बनेगी। जिसमे यह एक उदाहरण आईईईई एकल परिशुद्धता फ़्लोटिंग पॉइंट मानक में पाप (0.1) को संग्रहीत करना होगा। इस प्रकार त्रुटि तब अधिकांशतः बढ़ जाती है क्योंकि बाद की गणना डेटा का उपयोग करके की जाती है (चूँकि इसे कम भी किया जा सकता है)।


== यह भी देखें ==
== यह भी देखें ==

Revision as of 10:17, 29 July 2023

कंप्यूटर विज्ञान में, संख्यात्मक मात्रा की स्पष्टता उस विवरण का माप है जिसमें मात्रा व्यक्त की जाती है। इसे समान्यत: बिट्स में मापा जाता है, किंतु कभी-कभी दशमलव अंकों में भी यह परिशुद्धता (अंकगणित) से संबंधित है, जो किसी मान को व्यक्त करने के लिए उपयोग किए जाने वाले अंकों की संख्या का वर्णन करता है।

कुछ मानकीकृत स्पष्ट प्रारूप हैं

डबल-परिशुद्धता फ़्लोटिंग-पॉइंट प्रारूप प्रारूप

इनमें से ऑक्टूपल-प्रिसिजन प्रारूप का उपयोग संभवतः ही कभी किया जाता है। सिंगल- और डबल-प्रिसिजन प्रारूप सबसे अधिक व्यापक रूप से उपयोग किए जाते हैं और लगभग सभी प्लेटफार्मों पर समर्थित हैं। इस प्रकार अर्ध-स्पष्ट प्रारूप का उपयोग विशेष रूप से यंत्र अधिगम के क्षेत्र में बढ़ रहा है क्योंकि कई मशीन लर्निंग एल्गोरिदम स्वाभाविक रूप से त्रुटि-सहिष्णु हैं।

पूर्णन त्रुटि

परिशुद्धता अधिकांशतः गणना में पूर्णांकन त्रुटियों का स्रोत होती है। किसी संख्या को संग्रहीत करने के लिए उपयोग की जाने वाली बिट्स की संख्या अधिकांशतः स्पष्ट ता में कुछ हानि का कारण बनेगी। जिसमे यह एक उदाहरण आईईईई एकल परिशुद्धता फ़्लोटिंग पॉइंट मानक में पाप (0.1) को संग्रहीत करना होगा। इस प्रकार त्रुटि तब अधिकांशतः बढ़ जाती है क्योंकि बाद की गणना डेटा का उपयोग करके की जाती है (चूँकि इसे कम भी किया जा सकता है)।

यह भी देखें

संदर्भ