న్యూరెక్స్ అనేది బహుళ-పొరల నాడీ నెట్వర్క్ ఆధారంగా పనిచేసే నిపుణుల వ్యవస్థ. నాడీ నెట్వర్క్లు మరియు కనెక్టిజం యుగం నిర్ణయ మద్దతు మరియు దాని వినియోగదారు-స్నేహపూర్వక అప్లికేషన్ కోసం నమ్మకమైన జ్ఞానాన్ని పొందడంపై కొత్త దృక్పథాన్ని అందిస్తుంది. నియమం-ఆధారిత మరియు/లేదా ఫ్రేమ్-ఆధారితమైన సాంప్రదాయ నిపుణుల వ్యవస్థలు, విశ్వసనీయ జ్ఞాన స్థావరాన్ని సృష్టించడంలో తరచుగా సవాళ్లను ఎదుర్కొంటాయి. నాడీ నెట్వర్క్లు ఈ ఇబ్బందులను అధిగమించగలవు. నిపుణులు లేకుండా, పరిష్కరించబడిన ప్రాంతాన్ని వివరించే డేటా సేకరణలను మాత్రమే ఉపయోగించి లేదా అభ్యాస ప్రక్రియలో జ్ఞానాన్ని ధృవీకరించగల నిపుణులతో జ్ఞాన స్థావరాన్ని సృష్టించడం సాధ్యమవుతుంది. నిపుణుల వ్యవస్థ వినియోగ ప్రక్రియను ఈ క్రింది విధంగా వివరించవచ్చు:
1. నాడీ నెట్వర్క్ టోపోలాజీ యొక్క నిర్వచనం: ఈ దశలో ఇన్పుట్ మరియు అవుట్పుట్ వాస్తవాల సంఖ్యను నిర్వచించడం, అలాగే దాచిన పొరల సంఖ్యను నిర్ణయించడం ఉంటాయి.
2. ఇన్పుట్ మరియు అవుట్పుట్ వాస్తవాల (గుణాలు) సూత్రీకరణ: ప్రతి వాస్తవం ఇన్పుట్ లేదా అవుట్పుట్ పొరలోని న్యూరాన్తో అనుసంధానించబడి ఉంటుంది. ప్రతి లక్షణానికి విలువల పరిధి కూడా నిర్వచించబడింది.
3. శిక్షణ సమితి నిర్వచనం: మునుపటి దశల్లో నిర్వచించిన పరిధి నుండి సత్య విలువలు (ఉదా., 0-100%) లేదా విలువలను ఉపయోగించి నమూనాలు నమోదు చేయబడతాయి.
4. నెట్వర్క్ యొక్క అభ్యాస దశ: న్యూరాన్ల మధ్య కనెక్షన్ల (సినాప్సెస్) బరువులు, సిగ్మోయిడ్ ఫంక్షన్ల వాలులు మరియు న్యూరాన్ల థ్రెషోల్డ్లను బ్యాక్ ప్రొపగేషన్ (BP) పద్ధతిని ఉపయోగించి లెక్కించబడతాయి. ఈ ప్రక్రియ కోసం పారామితులను నిర్వచించడానికి ఎంపికలు అందుబాటులో ఉన్నాయి, అంటే అభ్యాస రేటు మరియు అభ్యాస చక్రాల సంఖ్య. ఈ విలువలు నిపుణుల వ్యవస్థ యొక్క జ్ఞాపకశక్తి లేదా జ్ఞాన స్థావరాన్ని ఏర్పరుస్తాయి. అభ్యాస ప్రక్రియ యొక్క ఫలితాలు సగటు స్క్వేర్డ్ ఎర్రర్ను ఉపయోగించి ప్రదర్శించబడతాయి మరియు చెత్త నమూనా యొక్క సూచిక మరియు దాని శాతం లోపం కూడా చూపబడుతుంది.
5. సిస్టమ్తో సంప్రదింపులు/అనుమానం: ఈ దశలో, ఇన్పుట్ వాస్తవాల విలువలు నిర్వచించబడతాయి, ఆ తర్వాత అవుట్పుట్ వాస్తవాల విలువలు వెంటనే తీసివేయబడతాయి.
అప్డేట్ అయినది
5 నవం, 2025