Neurex

Ivo Vondrak Apps

ಈ ಆ್ಯಪ್ ಕುರಿತು

ನ್ಯೂರೆಕ್ಸ್ ಬಹು-ಲೇಯರ್ಡ್ ನರಮಂಡಲ ಜಾಲವನ್ನು ಆಧರಿಸಿದ ಪರಿಣಿತ ವ್ಯವಸ್ಥೆಯಾಗಿದೆ. ನರಮಂಡಲ ಜಾಲಗಳು ಮತ್ತು ಸಂಪರ್ಕವಾದದ ಯುಗವು ನಿರ್ಧಾರ ಬೆಂಬಲ ಮತ್ತು ಅದರ ಬಳಕೆದಾರ ಸ್ನೇಹಿ ಅನ್ವಯಕ್ಕಾಗಿ ವಿಶ್ವಾಸಾರ್ಹ ಜ್ಞಾನವನ್ನು ಪಡೆಯುವ ಬಗ್ಗೆ ಹೊಸ ದೃಷ್ಟಿಕೋನವನ್ನು ನೀಡುತ್ತದೆ. ನಿಯಮ-ಆಧಾರಿತ ಮತ್ತು/ಅಥವಾ ಚೌಕಟ್ಟು ಆಧಾರಿತವಾದ ಸಾಂಪ್ರದಾಯಿಕ ತಜ್ಞ ವ್ಯವಸ್ಥೆಗಳು, ವಿಶ್ವಾಸಾರ್ಹ ಜ್ಞಾನ ನೆಲೆಯನ್ನು ರಚಿಸುವಲ್ಲಿ ಆಗಾಗ್ಗೆ ಸವಾಲುಗಳನ್ನು ಎದುರಿಸುತ್ತವೆ. ನರಮಂಡಲ ಜಾಲಗಳು ಈ ತೊಂದರೆಗಳನ್ನು ನಿವಾರಿಸಬಹುದು. ತಜ್ಞರು ಇಲ್ಲದೆ, ಪರಿಹರಿಸಿದ ಪ್ರದೇಶವನ್ನು ವಿವರಿಸುವ ಡೇಟಾ ಸಂಗ್ರಹಣೆಗಳನ್ನು ಮಾತ್ರ ಬಳಸಿಕೊಂಡು ಅಥವಾ ಕಲಿಕೆಯ ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ ಜ್ಞಾನವನ್ನು ಪರಿಶೀಲಿಸಬಹುದಾದ ತಜ್ಞರೊಂದಿಗೆ ಜ್ಞಾನ ನೆಲೆಯನ್ನು ರಚಿಸಲು ಸಾಧ್ಯವಿದೆ. ತಜ್ಞರ ವ್ಯವಸ್ಥೆಯ ಬಳಕೆಯ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಈ ಕೆಳಗಿನಂತೆ ವಿವರಿಸಬಹುದು:

1. ನರಮಂಡಲ ಜಾಲ ಸ್ಥಳಶಾಸ್ತ್ರದ ವ್ಯಾಖ್ಯಾನ: ಈ ಹಂತವು ಇನ್‌ಪುಟ್ ಮತ್ತು ಔಟ್‌ಪುಟ್ ಸಂಗತಿಗಳ ಸಂಖ್ಯೆಯನ್ನು ವ್ಯಾಖ್ಯಾನಿಸುವುದರ ಜೊತೆಗೆ ಗುಪ್ತ ಪದರಗಳ ಸಂಖ್ಯೆಯನ್ನು ನಿರ್ಧರಿಸುವುದನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ.
2. ಇನ್‌ಪುಟ್ ಮತ್ತು ಔಟ್‌ಪುಟ್ ಸಂಗತಿಗಳ ಸೂತ್ರೀಕರಣ (ಗುಣಲಕ್ಷಣಗಳು): ಪ್ರತಿಯೊಂದು ಸಂಗತಿಯು ಇನ್‌ಪುಟ್ ಅಥವಾ ಔಟ್‌ಪುಟ್ ಪದರದಲ್ಲಿ ನರಕೋಶಕ್ಕೆ ಸಂಬಂಧಿಸಿದೆ. ಪ್ರತಿಯೊಂದು ಗುಣಲಕ್ಷಣಕ್ಕೂ ಮೌಲ್ಯಗಳ ವ್ಯಾಪ್ತಿಯನ್ನು ಸಹ ವ್ಯಾಖ್ಯಾನಿಸಲಾಗಿದೆ.
3. ತರಬೇತಿ ಗುಂಪಿನ ವ್ಯಾಖ್ಯಾನ: ಹಿಂದಿನ ಹಂತಗಳಲ್ಲಿ ವ್ಯಾಖ್ಯಾನಿಸಲಾದ ಶ್ರೇಣಿಯಿಂದ ಸತ್ಯ ಮೌಲ್ಯಗಳು (ಉದಾ., 0-100%) ಅಥವಾ ಮೌಲ್ಯಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಮಾದರಿಗಳನ್ನು ನಮೂದಿಸಲಾಗುತ್ತದೆ.
4. ನೆಟ್‌ವರ್ಕ್‌ನ ಕಲಿಕೆಯ ಹಂತ: ನರಕೋಶಗಳ ನಡುವಿನ ಸಂಪರ್ಕಗಳ (ಸಿನಾಪ್ಸ್‌ಗಳು) ತೂಕ, ಸಿಗ್ಮೋಯಿಡ್ ಕಾರ್ಯಗಳ ಇಳಿಜಾರುಗಳು ಮತ್ತು ನರಕೋಶಗಳ ಮಿತಿಗಳನ್ನು ಬ್ಯಾಕ್ ಪ್ರೊಪಗೇಷನ್ (ಬಿಪಿ) ವಿಧಾನವನ್ನು ಬಳಸಿಕೊಂಡು ಲೆಕ್ಕಹಾಕಲಾಗುತ್ತದೆ. ಕಲಿಕೆಯ ದರ ಮತ್ತು ಕಲಿಕೆಯ ಚಕ್ರಗಳ ಸಂಖ್ಯೆಯಂತಹ ಈ ಪ್ರಕ್ರಿಯೆಗೆ ನಿಯತಾಂಕಗಳನ್ನು ವ್ಯಾಖ್ಯಾನಿಸಲು ಆಯ್ಕೆಗಳು ಲಭ್ಯವಿದೆ. ಈ ಮೌಲ್ಯಗಳು ತಜ್ಞರ ವ್ಯವಸ್ಥೆಯ ಸ್ಮರಣೆ ಅಥವಾ ಜ್ಞಾನದ ನೆಲೆಯನ್ನು ರೂಪಿಸುತ್ತವೆ. ಕಲಿಕೆಯ ಪ್ರಕ್ರಿಯೆಯ ಫಲಿತಾಂಶಗಳನ್ನು ಸರಾಸರಿ ವರ್ಗ ದೋಷವನ್ನು ಬಳಸಿಕೊಂಡು ಪ್ರದರ್ಶಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ಕೆಟ್ಟ ಮಾದರಿಯ ಸೂಚ್ಯಂಕ ಮತ್ತು ಅದರ ಶೇಕಡಾವಾರು ದೋಷವನ್ನು ಸಹ ತೋರಿಸಲಾಗುತ್ತದೆ.
5. ವ್ಯವಸ್ಥೆಯೊಂದಿಗೆ ಸಮಾಲೋಚನೆ/ಅನುಮಾನ: ಈ ಹಂತದಲ್ಲಿ, ಇನ್‌ಪುಟ್ ಸಂಗತಿಗಳ ಮೌಲ್ಯಗಳನ್ನು ವ್ಯಾಖ್ಯಾನಿಸಲಾಗುತ್ತದೆ, ಅದರ ನಂತರ ಔಟ್‌ಪುಟ್ ಸಂಗತಿಗಳ ಮೌಲ್ಯಗಳನ್ನು ತಕ್ಷಣವೇ ಕಳೆಯಲಾಗುತ್ತದೆ.