ఆర్టిఫిషియల్ న్యూరల్ నెట్‌వర్క్ (ANN)

రచయిత: John Stephens
సృష్టి తేదీ: 21 జనవరి 2021
నవీకరణ తేదీ: 22 జూన్ 2024
Anonim
Lecture 37 : IIoT Analytics and Data Management: Machine Learning and Data Science – Part 1
వీడియో: Lecture 37 : IIoT Analytics and Data Management: Machine Learning and Data Science – Part 1

విషయము

నిర్వచనం - ఆర్టిఫిషియల్ న్యూరల్ నెట్‌వర్క్ (ANN) అంటే ఏమిటి?

ఒక కృత్రిమ న్యూరాన్ నెట్‌వర్క్ (ANN) అనేది జీవ నాడీ నెట్‌వర్క్‌ల నిర్మాణం మరియు విధుల ఆధారంగా ఒక గణన నమూనా. నెట్‌వర్క్ ద్వారా ప్రవహించే సమాచారం ANN యొక్క నిర్మాణాన్ని ప్రభావితం చేస్తుంది ఎందుకంటే ఆ ఇన్పుట్ మరియు అవుట్పుట్ ఆధారంగా ఒక న్యూరల్ నెట్‌వర్క్ మారుతుంది - లేదా ఒక కోణంలో నేర్చుకుంటుంది.


ANN లను నాన్ లీనియర్ స్టాటిస్టికల్ డేటా మోడలింగ్ సాధనంగా పరిగణిస్తారు, ఇక్కడ ఇన్‌పుట్‌లు మరియు అవుట్‌పుట్‌ల మధ్య సంక్లిష్ట సంబంధాలు మోడల్ చేయబడతాయి లేదా నమూనాలు కనుగొనబడతాయి.

ANN ను న్యూరల్ నెట్‌వర్క్ అని కూడా అంటారు.

మైక్రోసాఫ్ట్ అజూర్ మరియు మైక్రోసాఫ్ట్ క్లౌడ్‌కు పరిచయం | ఈ గైడ్ మొత్తంలో, క్లౌడ్ కంప్యూటింగ్ అంటే ఏమిటి మరియు క్లౌడ్ నుండి మీ వ్యాపారాన్ని తరలించడానికి మరియు అమలు చేయడానికి మైక్రోసాఫ్ట్ అజూర్ మీకు ఎలా సహాయపడుతుందో మీరు నేర్చుకుంటారు.

టెకోపీడియా ఆర్టిఫిషియల్ న్యూరల్ నెట్‌వర్క్ (ANN) గురించి వివరిస్తుంది

ఒక ANN కి అనేక ప్రయోజనాలు ఉన్నాయి, అయితే వీటిలో చాలా గుర్తించబడినది డేటా సెట్లను గమనించడం నుండి వాస్తవానికి నేర్చుకోగలదు. ఈ విధంగా, ANN యాదృచ్ఛిక ఫంక్షన్ ఉజ్జాయింపు సాధనంగా ఉపయోగించబడుతుంది. కంప్యూటింగ్ విధులు లేదా పంపిణీలను నిర్వచించేటప్పుడు పరిష్కారాల వద్దకు రావడానికి చాలా తక్కువ ఖర్చుతో కూడిన మరియు ఆదర్శవంతమైన పద్ధతులను అంచనా వేయడానికి ఈ రకమైన సాధనాలు సహాయపడతాయి. పరిష్కారాలను చేరుకోవడానికి ANN మొత్తం డేటా సెట్ల కంటే డేటా నమూనాలను తీసుకుంటుంది, ఇది సమయం మరియు డబ్బు రెండింటినీ ఆదా చేస్తుంది. ఇప్పటికే ఉన్న డేటా విశ్లేషణ సాంకేతికతలను మెరుగుపరచడానికి ANN లను చాలా సరళమైన గణిత నమూనాలుగా పరిగణిస్తారు.


ANN లు మూడు పొరలను కలిగి ఉంటాయి, అవి ఒకదానితో ఒకటి అనుసంధానించబడి ఉంటాయి. మొదటి పొరలో ఇన్పుట్ న్యూరాన్లు ఉంటాయి. ఆ న్యూరాన్లు రెండవ పొరపైకి వెళ్తాయి, ఇది అవుట్పుట్ న్యూరాన్లు మూడవ పొరకు ఉంటుంది.

కృత్రిమ నాడీ నెట్‌వర్క్‌కు శిక్షణ ఇవ్వడం అనేది అనేక అనుబంధ అల్గోరిథంలు ఉన్న అనుమతించబడిన మోడళ్ల నుండి ఎంచుకోవడం.