भविष्य नोकऱ्यांचे : वर्गीकरण आणि कृत्रिम मज्जातंतू

आपण मागील भागामध्ये मज्जासदृश जालीय प्रारूपामधील गणनाचा अभ्यास केला. या भागामध्ये आपण विविध अरेषात्मक फलांचा वापर कसा करायचा, याविषयी थोडे विवेचन करूया!  जालीय मज्जासदृश प्रारूपामध्ये कृत्रिम मज्जातंतू हा सर्वांत महत्त्वाचा भाग आहे. यामध्ये दोन भाग असतात 
१) रेषीय संयोजन आणि
२) अरेषात्मक सक्रियकरण!
अशा मज्जातंतूंचा थर प्रत्येक स्तरांवर असतो. आपण दिलेला शेवटचा स्तर, जो दृश्य स्वरूपात असतो, त्याविषयी थोडी माहिती करून घेऊया. दिलेल्या प्रश्नावरून या स्तराची रचना ठरते.

- ताज्या बातम्यांसाठी डाऊनलोड करा ई-सकाळचे ऍप

- पुण्याच्या बातम्या वाचण्यासाठी येथे ► क्लिक करा

उदा. रेषीय प्रतिगमन स्वरूपातील, अर्थातच linear regression, प्रश्नासाठी शेवटच्या स्तरामध्ये अवघ्या एकाच कृत्रिम मज्जातंतूंची गरज असते. या मज्जातंतूमधील सक्रियकरणामध्ये रेषात्मक फलांचा (linear function) वापर केला जातो. थोडक्यात सांगायचे झाल्यास, रेषीय संयोजनांमधून मिळणारे उत्तर तसेच्या तसे y म्हणून दिले जाते. या मांडणीमुळे आपल्याला रेषीय प्रतिगमनामध्ये मिळू शकणारे कोणतेही उत्तर देता येते.

वर्गीकरणामध्ये आपल्याला शेवटच्या स्तरावर एकूण वर्गसंख्येएवढ्या कृत्रिम मज्जातंतूंची आवश्यकता असते. प्रत्येक कृत्रिम मज्जातंतूमध्ये sigmoid किंवा सॉफ्टमॅक्स यासारखे अरेषात्मक फल सक्रियकरण प्रक्रियेमध्ये वापरले जातात. ही फले दिलेल्या संख्येचे ० आणि १ यामधील संख्येमध्ये रूपांतर करतात. ही संख्या त्या त्या वर्गाची असलेली शक्यता दर्शविते. 

प्रच्छन्न स्तरांमधील मज्जातंतूंमध्ये सुरुवातीच्या काळात sigmoid फलाचा वापर केला जात असे. त्यामुळे बहुस्तरीय जालीय प्रारूपे शिकण्यामध्ये अनेक अडचणी येत. गेल्या दशकात जेफ्री हिंटन आणि सहकाऱ्यांनी रेलू या अरेषात्मक फलाचा वापर केल्यास बहुस्तरीय जालीय प्रारूपे शिकणे सुलभ होते, हे प्रयोगानिशी दाखवून दिले आणि तेथून या प्रारूपांनी कात टाकली. आणि जणू काही नवक्रांतीचे अवघे दालनच खुले करून दिले. रेलू फलाचा अदृश्य किंवा प्रच्छन्न स्तरातील वापर हा आधुनिक जालीय प्रसृपांमधील, तसेच साधन शिक्षणातील एक मैलाचा दगड ठरला आहे! पुढील लेखामध्ये या प्रारूपांच्या गुणकांची उकल कशी करायची ते पाहूया आणि या प्रारूपाची बहुविध रूपांची माहिती करून घेऊ.

Edited By - Prashant Patil