तंत्रिका नेटवर्क

एक तंत्रिका नेटवर्क क्या है?

एक तंत्रिका नेटवर्क एल्गोरिदम की एक श्रृंखला है जो डेटा के एक सेट में अंतर्निहित संबंधों को एक प्रक्रिया के माध्यम से पहचानने का प्रयास करता है जो मानव मस्तिष्क के संचालन के तरीके की नकल करता है। इस अर्थ में, तंत्रिका नेटवर्क प्रकृति में कार्बनिक या कृत्रिम, न्यूरॉन्स की प्रणालियों को संदर्भित करता है।

तंत्रिका नेटवर्क बदलते इनपुट के अनुकूल हो सकते हैं; इसलिए नेटवर्क आउटपुट मानदंड को फिर से डिज़ाइन करने की आवश्यकता के बिना सर्वोत्तम संभव परिणाम उत्पन्न करता है। तंत्रिका नेटवर्क की अवधारणा, जिसकी जड़ें कृत्रिम बुद्धि में हैं, व्यापारिक प्रणालियों के विकास में तेजी से लोकप्रियता प्राप्त कर रही है।

तंत्रिका नेटवर्क की मूल बातें

एल्गोरिथम व्यापार , प्रतिभूति वर्गीकरण,. क्रेडिट जोखिम मॉडलिंग, और मालिकाना संकेतक और मूल्य डेरिवेटिव के निर्माण जैसी प्रक्रियाओं के विकास में सहायता करते हैं ।

एक तंत्रिका नेटवर्क मानव मस्तिष्क के तंत्रिका नेटवर्क के समान कार्य करता है। तंत्रिका नेटवर्क में एक "न्यूरॉन" एक गणितीय कार्य है जो एक विशिष्ट वास्तुकला के अनुसार जानकारी एकत्र और वर्गीकृत करता है। नेटवर्क सांख्यिकीय विधियों जैसे वक्र फिटिंग और प्रतिगमन विश्लेषण के लिए एक मजबूत समानता रखता है।

एक तंत्रिका नेटवर्क में परस्पर जुड़े नोड्स की परतें होती हैं। प्रत्येक नोड एक परसेप्ट्रोन के रूप में जाना जाता है और एक बहु रेखीय प्रतिगमन के समान है । परसेप्ट्रॉन एक से अधिक रेखीय प्रतिगमन द्वारा उत्पादित सिग्नल को एक सक्रियण फ़ंक्शन में फीड करता है जो गैर-रेखीय हो सकता है।

बहुस्तरीय परसेप्ट्रोन

एक बहुस्तरीय परसेप्ट्रोन (एमएलपी) में, परसेप्ट्रोन परस्पर जुड़ी परतों में व्यवस्थित होते हैं। इनपुट परत इनपुट पैटर्न एकत्र करती है। आउटपुट लेयर में वर्गीकरण या आउटपुट सिग्नल होते हैं जिनसे इनपुट पैटर्न मैप हो सकते हैं। के लिए, पैटर्न मात्रा की मात्रा या सुरक्षा की मात्रा का प्रतिनिधित्व कर सकते हैं या नहीं भी कर सकते हैं संभावित आउटपुट "खरीदें", "होल्ड" या "बेचें" हो सकते हैं।

छिपी हुई परतें इनपुट भार को तब तक ठीक करती हैं जब तक कि तंत्रिका नेटवर्क की त्रुटि का मार्जिन न्यूनतम न हो। यह परिकल्पना की गई है कि छिपी हुई परतें इनपुट डेटा में मुख्य विशेषताओं को बाहर निकालती हैं जिनमें आउटपुट के संबंध में भविष्य कहनेवाला शक्ति होती है। यह फीचर निष्कर्षण का वर्णन करता है, जो सांख्यिकीय तकनीकों जैसे प्रमुख घटक विश्लेषण के समान उपयोगिता को पूरा करता है।

तंत्रिका नेटवर्क का अनुप्रयोग

वित्तीय संचालन, उद्यम योजना, व्यापार, व्यापार विश्लेषण और उत्पाद रखरखाव के लिए अनुप्रयोगों के साथ तंत्रिका नेटवर्क का व्यापक रूप से उपयोग किया जाता है। तंत्रिका नेटवर्क ने पूर्वानुमान और विपणन अनुसंधान समाधान, धोखाधड़ी का पता लगाने और जोखिम मूल्यांकन जैसे व्यावसायिक अनुप्रयोगों में भी व्यापक रूप से अपनाया है ।

एक तंत्रिका नेटवर्क मूल्य डेटा का मूल्यांकन करता है और डेटा विश्लेषण के आधार पर व्यापार निर्णय लेने के अवसरों का पता लगाता है। नेटवर्क सूक्ष्म गैर-रेखीय अन्योन्याश्रितताओं और पैटर्नों में अंतर कर सकते हैं तकनीकी अल विश्लेषण के अन्य तरीके नहीं कर सकते हैं। शोध के अनुसार, शेयरों के लिए कीमतों की भविष्यवाणी करने में तंत्रिका नेटवर्क की सटीकता भिन्न होती है। कुछ मॉडल स्टॉक की सही कीमतों का 50 से 60 प्रतिशत समय की भविष्यवाणी करते हैं, जबकि अन्य सभी मामलों के 70 प्रतिशत में सटीक होते हैं। कुछ लोगों ने माना है कि एक निवेशक तंत्रिका नेटवर्क से दक्षता में 10 प्रतिशत सुधार की मांग कर सकता है।

हमेशा ऐसे डेटा सेट और कार्य वर्ग होंगे जिनका पहले से विकसित एल्गोरिदम का उपयोग करके बेहतर विश्लेषण किया जाता है। यह इतना अधिक एल्गोरिथम नहीं है जो मायने रखता है; यह लक्षित संकेतक पर अच्छी तरह से तैयार इनपुट डेटा है जो अंततः एक तंत्रिका नेटवर्क की सफलता के स्तर को निर्धारित करता है।

##हाइलाइट

• शेयर बाजार मूल्य पूर्वानुमान के लिए तंत्रिका नेटवर्क की सफलता भिन्न होती है।

• जैसे, वे मस्तिष्क में पाए जाने वाले न्यूरॉन्स और सिनेप्स के कनेक्शन से मिलते जुलते हैं।

• तंत्रिका नेटवर्क एल्गोरिदम की एक श्रृंखला है जो बड़ी मात्रा में डेटा के बीच संबंधों को पहचानने के लिए एक पशु मस्तिष्क के संचालन की नकल करता है।

• उनका उपयोग वित्तीय सेवाओं में विभिन्न प्रकार के अनुप्रयोगों में किया जाता है, पूर्वानुमान और विपणन अनुसंधान से लेकर धोखाधड़ी का पता लगाने और जोखिम मूल्यांकन तक।

• कई प्रक्रिया परतों वाले तंत्रिका नेटवर्क को "डीप" नेटवर्क के रूप में जाना जाता है और इनका उपयोग डीप लर्निंग एल्गोरिदम के लिए किया जाता है

##सामान्य प्रश्न

तंत्रिका नेटवर्क के घटक क्या हैं?

तीन मुख्य घटक हैं: एक इनपुट बाद में, एक प्रसंस्करण परत, और एक आउटपुट परत। इनपुट को विभिन्न मानदंडों के आधार पर भारित किया जा सकता है। प्रसंस्करण परत के भीतर, जो देखने से छिपा होता है, इन नोड्स के बीच नोड्स और कनेक्शन होते हैं, जो जानवरों के मस्तिष्क में न्यूरॉन्स और सिनेप्स के अनुरूप होते हैं।

एक आवर्तक तंत्रिका नेटवर्क क्या है?

एक आवर्तक तंत्रिका नेटवर्क एक समय श्रृंखला डेटा, घटना इतिहास, या अस्थायी क्रम का विश्लेषण करने के लिए अनुकूलित है।

एक कन्वेन्शनल न्यूरल नेटवर्क क्या है?

एक दृढ़ तंत्रिका नेटवर्क डिजिटल छवियों या तस्वीरों जैसे दृश्य डेटा के विश्लेषण और पहचान के लिए अनुकूलित है।

डीप न्यूरल नेटवर्क क्या है?

डीप लर्निंग नेटवर्क के रूप में भी जाना जाता है, एक डीप न्यूरल नेटवर्क, अपने सबसे बुनियादी रूप में, वह है जिसमें दो या अधिक प्रोसेसिंग लेयर शामिल होते हैं।