मैं विशिष्ट विशेषताओं के साथ एक तंत्रिका नेटवर्क मॉडल की तलाश में हूं। यह मॉडल मौजूद नहीं हो सकता है ...क्या यह तंत्रिका नेटवर्क मॉडल मौजूद है?
मुझे ऐसे नेटवर्क की आवश्यकता है जो परंपरागत कृत्रिम तंत्रिका नेटवर्क के रूप में "परतों" का उपयोग न करे। इसके बजाय, मैं चाहता हूं [जो मैं मानता हूं] एक और जैविक मॉडल।
यह मॉडल नीचे दी गई छवि की तरह इंटरकनेक्टेड न्यूरॉन्स का एक बड़ा समूह रखेगा। कुछ न्यूरॉन्स (आरेख के नीचे) इनपुट सिग्नल प्राप्त करेंगे, और एक कैस्केड प्रभाव सिग्नल शक्ति और कनेक्शन वजन के आधार पर संभावित, जुड़े न्यूरॉन्स संभवतः आग लगने का कारण बनता है। यह कुछ भी नया नहीं है, लेकिन, कोई स्पष्ट परत नहीं है ... बस अधिक से अधिक दूर, अप्रत्यक्ष कनेक्शन।
जैसा कि आप देख सकते हैं, मेरे पास नेटवर्क अनुभाग (मंडल) में विभाजित है। प्रत्येक सर्कल एक अर्थपूर्ण डोमेन (एक भाषाविज्ञान अवधारणा) का प्रतिनिधित्व करता है जो एक अवधारणा के आसपास मूल जानकारी है; अनिवार्य रूप से एक अर्थपूर्ण डोमेन एक अवधारणा है।
किसी अनुभाग के नोड्स के बीच कनेक्शन में विभिन्न वर्गों के नोड्स के बीच कनेक्शन की तुलना में अधिक वजन होता है। तो "कार" के लिए नोड्स "अंग्रेजी" से "कार" को जोड़ने वाले नोड्स की तुलना में एक दूसरे से अधिक जुड़े हुए हैं। इस प्रकार, जब एक खंड में एक न्यूरॉन आग (सक्रिय होता है), तो यह संभावना है कि पूरे (या अधिकतर) अनुभाग को भी सक्रिय किया जाएगा।
सब कुछ, मुझे आउटपुट पैटर्न को आगे के आउटपुट के लिए इनपुट के रूप में उपयोग करने की आवश्यकता है, और इसी तरह। एक कैस्केड प्रभाव वह है जो मैं बाद में हूं।
मुझे उम्मीद है कि यह समझ में आता है। जहां आवश्यक हो स्पष्टीकरण के लिए कृपया पूछें।
क्या अस्तित्व में कोई उपयुक्त मॉडल है जो मॉडल मैंने पहले वर्णित किया है?
बारम्बार एनएन? http://www.idsia.ch/~juergen/rnn.html – greeness
अधिकांश तंत्रिका नेटवर्कों को सीखने या सामान्यीकृत करने की उम्मीद है ... मुझे उत्सुकता है कि नेटवर्क सीखने की उम्मीद है कि सीखने के लिए कोई तंत्र नहीं है (जैसा कि वजन संशोधित नहीं हैं)। जब तक कि आप सामान्यीकृत या सीखने में रुचि नहीं रखते हैं और केवल लहर प्रभाव का अध्ययन करने में रुचि रखते हैं ... इसमें स्वयं दिलचस्प होना चाहिए! चेकआउट [बोल्टज़मान मशीन] (http://en.wikipedia.org/wiki/Boltzmann_machine) और [हॉपफील्ड_नेट] (http://en.wikipedia.org/wiki/Hopfield_net) –
@ शायन आरसी मुझे इस मॉडल के साथ लगता है , भार अभी भी समय के साथ किसी भी तरह समायोजित करेंगे, और नोड्स में भी अधिक कनेक्शन बनाए जाएंगे। –