तंत्रिका नेटवर्क प्रौद्योगिकी का अनुप्रयोग: सॉफ्टवेयर विकास

1. परिचय

आजकल, यह सॉफ्टवेयर विकसित करने के लिए बहुत प्रयास करता है। बहुत समय इस पर खर्च किया जाता है कि कंप्यूटरों को कार्यप्रणाली सौंपने के लिए तार्किक क्या होगा, डिजाइन करना, तकनीकी विनिर्देश लिखना, परीक्षण करना, यह सब एक व्यक्ति द्वारा किया जाता है और बहुत धीरे-धीरे किया जाता है। लेकिन क्या यह सिद्धांत रूप में संभव है? डॉक्टर ऑफ टेक्निकल साइंसेज मैक्सिम शेर्बाकोव ने अपने व्याख्यान "न्यूरल नेटवर्क्स: मैथ्स एंड मैजिक" में उत्तर दिया: "हां, यह संभव है।" एक स्वचालित सहायक होना अच्छा है जो समस्या को केवल कुछ मानदंडों और टेम्पलेट्स के साथ हल करेगा, लेकिन उसे भुगतान नहीं करना होगा और वह इसे कम से कम संभव समय में करेगा, लेकिन तंत्रिका नेटवर्क आज किन विशिष्ट कार्यों को हल कर सकता है? मशीन लर्निंग का विकास आज छलांग ले रहा है और आज नहीं तो कल मशीनें एक व्यक्ति को नियमित कार्यों में बदल सकती हैं। एक तकनीकी कार्य का मसौदा तैयार करना सबसे सुखद बात नहीं है, विशेष रूप से महान विस्तार में और सब कुछ चित्रित करने की आवश्यकता के कारण (अधिक विवरण के लिए, बिंदु 4 देखें)। प्रत्येक कंपनी एक विशेष सॉफ्टवेयर विकास पद्धति चुनती है और शायद ही कभी इसे बदलती है। लेकिन क्या होगा यदि अन्य कार्यप्रणाली पिछले एक की तुलना में परियोजना के लिए बेहतर है या वर्तमान एक बिल्कुल भी उपयुक्त नहीं है? इसे बदलना तर्कसंगत होगा, लेकिन कौन सा चुनना है (पैराग्राफ 5 में अधिक विवरण)? उचित परीक्षण के लिए समय और लोगों की एक अच्छी मात्रा लेनी चाहिए। काफी महंगा और लंबा (पैरा 6 में अधिक)। एक तंत्रिका नेटवर्क लागत को कम करेगा और इन सभी चरणों को गति देगा।

2. संहनन

एनएस - तंत्रिका नेटवर्क
सॉफ्टवेयर - सॉफ्टवेयर
TK - संदर्भ की शर्तें
ऐ - आर्टिफिशियल इंटेलिजेंस

3. कृत्रिम तंत्रिका नेटवर्क

कृत्रिम बुद्धि क्या है? मोटे तौर पर, यह कंप्यूटर का उपयोग करने वाले व्यक्ति का अनुकरण है। ट्यूरिंग टेस्ट, एक अर्थ में, इस प्रश्न का उत्तर देता है। यह इस तथ्य में शामिल है कि संवाद के दौरान एक व्यक्ति को यह तय करना होगा कि वह व्यक्ति या मशीन उसके सामने कौन है। आजकल, ट्यूरिंग परीक्षण को बहुत सही नहीं माना जाता है और कृत्रिम बुद्धि के परीक्षण के अन्य तरीकों का उपयोग किया जाता है। यह परीक्षण पूरी तरह से सही क्यों नहीं है, इसकी बेहतर समझ के लिए, आप बस इसे बदल सकते हैं। एक कंप्यूटर को कैसे पता चलता है कि यह उसके सामने का व्यक्ति है? वह पूछेगा कि 754534 * 32 कितना होगा और टाइमर शुरू करेगा। इसलिए, जैसे हम समीकरण को जल्दी से हल नहीं कर सकते, वैसे ही मशीन (अभी के लिए) अपने सभी सूक्ष्मता और विशेषताओं के साथ मानव संचार को पूरी तरह से अनुकरण नहीं कर सकती है। इस दृष्टि से, कंप्यूटर द्वारा मस्तिष्क का एक पूर्ण अनुकरण असंभव लगता है। तो अब के लिए, हम एक विशिष्ट क्षेत्र में केवल सहायक के रूप में कृत्रिम बुद्धि का उपयोग करते हैं।

3.1 एआई का संक्षिप्त इतिहास

कृत्रिम बुद्धिमत्ता के विकास का इतिहास बहुत मजेदार और सहज नहीं है। कृत्रिम बुद्धिमत्ता के निर्माण पर शुरुआती प्रयोगों से कुछ कंपनियों को कम मात्रा में पैसे बचाने में मदद मिली। उदाहरण के लिए, डिजिटल इक्विपमेंट कॉर्पोरेशन ने कृत्रिम बुद्धिमत्ता का उपयोग करते हुए प्रति वर्ष $ 10 मिलियन की बचत की। चैटबॉट्स, बैक्टीरिया पहचान प्रणाली, और भी बहुत कुछ विकसित किया गया था। उसके बाद, कृत्रिम बुद्धि कंपनियां अपने सभी बुलंद लक्ष्यों को पूरा करने में सक्षम नहीं थीं और अंततः बंद हो गईं, इस वजह से, एआई के लिए मुश्किल समय आया और समुदाय मशीन सीखने और तंत्रिका नेटवर्क पर नज़र रखना शुरू कर दिया। 1943 में, वॉरेन मैकलॉक और वाल्टर पिट्स ने कृत्रिम तंत्रिका नेटवर्क शब्द बनाया। जैविक न्यूरॉन्स का उपयोग करके मॉडल प्रदर्शन गणना। और टोरंटो और मॉन्ट्रियल के विश्वविद्यालयों में 63 वर्षों के बाद उन्होंने संभवतः और मुख्य के साथ गहरे तंत्रिका नेटवर्क को पढ़ाना शुरू किया, जो मशीन सीखने के लिए एक वास्तविक क्रांति बन गया!

3.2 तंत्रिका नेटवर्क का सिद्धांत, इसकी सफलताएं और कमजोरियां

एक सरलीकृत रूप में, एक तंत्रिका नेटवर्क के संचालन का सिद्धांत निर्भरताओं को खोजने और वजन को बदलने के लिए है। यदि कार्रवाई सही है, तो इस कार्रवाई के लिए जिम्मेदार तराजू को मजबूत किया जाता है और इसके विपरीत। और अधिक सटीक होने के लिए, सिद्धांत कुछ त्रुटि फ़ंक्शन को कम करना है। इस उद्देश्य के लिए धीरे-धीरे वंश का उपयोग किया जाता है।



सभी ने तंत्रिका नेटवर्क की सफलताओं के बारे में सुना है। वे GO गेम के चैंपियन को हराते हैं, जिसे खेलने के लिए, सिद्धांत रूप में, एक व्यक्ति का एकमात्र विशेषाधिकार है और कंप्यूटर के लिए यह बहुत जटिल है, लेकिन जाहिर है यह सच नहीं है। कुछ समय पहले ऐसा नहीं था, 2015 में, AlphaGo ने पांच में से चार गेम जीतकर चैंपियन बना दिया। बुरा नहीं है, है ना? दो साल बाद, 2017 में, तंत्रिका नेटवर्क में सुधार हुआ और उसने 9 GO चैंपियन को हरा दिया, जिसमें साठ खेलों में से साठ जीत गए। चैंपियन के लिए सबसे बुरी बात यह थी कि कार्यक्रम ने बिल्कुल बेतरतीब ढंग से काम किया और अंत में वैसे भी जीत गया। Google (AlphaGo Developers) ने यह परिणाम कैसे प्राप्त किया? सब कुछ बस अपने पूर्ववर्ती के साथ प्रशिक्षित AlphaGo में सुधार हुआ। तंत्रिका नेटवर्क ने स्वयं कमियों को पाया और उन्हें ठीक किया।



तंत्रिका नेटवर्क ने संगीत लिखना भी सीखा। विश्व क्लासिक्स की उत्कृष्ट कृतियों के लिए "सुनी", तंत्रिका नेटवर्क ने अपने संगीत की रचना की, और मशीन सीखने की अच्छी समझ के बिना, मानव रचना को मशीन निर्माण से अलग करना लगभग असंभव है। "न्यूरल नेटवर्क्स: मैथ्स एंड मैजिक" व्याख्यान में उन्होंने कंप्यूटर कंप्यूटिंग के कार्यों में से एक को शामिल किया और पहले यह कहते हुए सुनने की पेशकश की कि यह एक महान संगीतकार द्वारा बनाया गया है। श्रोताओं को सुनने के बाद, उन्होंने पूछा: "क्या किसी को हुक लगा है?" कुछ ने हां में जवाब दिया। यह पता चला है कि कारें क्या कर सकती हैं? जवाब काफी मुश्किल है। यह समझने के लिए कि, हम तंत्रिका नेटवर्क के सिद्धांत पर एक नज़र डालते हैं, जिसमें एक कमरे के उदाहरण के साथ बहुत अधिक संख्या में लीफलेट्स का उपयोग होता है, जिन्हें हम समझते नहीं हैं। हमारे पास एक एल्गोरिथ्म है कि कैसे, कहां और किस पत्ती को स्थानांतरित करना है या हम खुद इस एल्गोरिथ्म का निर्माण इस आधार पर करते हैं कि क्या हमें अपने कार्यों के लिए प्रोत्साहित या डांटा गया है। और यहां हमें इनपुट के लिए एक अनुरोध मिलता है, जब हम पत्तियों को अपने एल्गोरिथ्म के अनुसार स्थानांतरित करने के लिए चलाते हैं और हमें आउटपुट के लिए मुड़े हुए पत्तों का एक सेट मिलता है, हम यह नहीं समझते कि इन प्रतीकों का इनपुट पर क्या मतलब है और हम आउटपुट पर क्या प्राप्त करते हैं, हम एक तंत्रिका नेटवर्क हैं। चलो संगीत बनाने के लिए वापस आते हैं। यह पता चला है कि तंत्रिका नेटवर्क काम नहीं करता है, यह सिर्फ अराजक है लेकिन कुछ नियमों के साथ यह यह समझे बिना कि यह क्या कर रहा है (यह आधुनिक पेंटिंग की याद दिलाता है) जीवा को मारता है। यैंडेक्स के तंत्रिका नेटवर्क द्वारा निर्मित संगीत का एक उदाहरण:


उन्होंने यह भी सीखा कि संगीत के साथ एक ही सिद्धांत का उपयोग करके तंत्रिका नेटवर्क कैसे बनाया जाए।



जैसा कि आप देख सकते हैं, मशीन लर्निंग आपको विभिन्न प्रकार के कार्यों को हल करने की अनुमति देता है। लेकिन उन्हें यह कैसे सिखाया जाए कि यह सब कैसे किया जाए? मशीन सीखने में रहस्य निहित है। चलो पत्तियों के साथ कमरे में वापस जाएं और याद रखें कि "हमारे पास एक एल्गोरिथ्म है कि कैसे, कहाँ और किस पत्ते को स्थानांतरित करना है" इस स्थिति में तंत्रिका नेटवर्क पहले से ही प्रशिक्षित है। वह जानती है कि क्या और कहाँ लगाया जाना है, लेकिन एक दूसरा विकल्प भी था "हम खुद इस एल्गोरिथ्म का निर्माण करते हैं कि क्या हम अपने कार्यों के लिए प्रोत्साहित या डांटते हैं" यह विकल्प है जो तथाकथित सुदृढीकरण तंत्रिका नेटवर्क प्रशिक्षण को तैयार करता है। एक निश्चित "शिक्षक" तंत्रिका नेटवर्क के सही कार्यों को प्रोत्साहित करता है, जिसके परिणामस्वरूप वह याद करता है और सही कार्यों में निर्भरता खोजने की कोशिश करता है या "शिक्षक" अपनी गलतियों के लिए तंत्रिका नेटवर्क को डांटता है और वह तेजी से सही कार्यों में निर्भरता खोजने की कोशिश कर रहा है। तंत्रिका नेटवर्क को विधियों का उपयोग करके भी सिखाया जाता है: शिक्षक के साथ, शिक्षक के बिना, शिक्षक की आंशिक भागीदारी के साथ। विकल्प उन परिस्थितियों पर निर्भर करता है जिसमें तंत्रिका नेटवर्क को प्रशिक्षित किया जाता है।

शिक्षक के साथ प्रशिक्षण का उपयोग करते हुए, हमें इनपुट के सही उत्तर या किसी अन्य प्रशिक्षण डेटासेट के साथ एक डेटासेट जमा करना चाहिए, जिसके बाद तंत्रिका नेटवर्क को पैटर्न की पहचान करनी चाहिए और परीक्षण डेटासेट के लिए सही उत्तर देना चाहिए। आमतौर पर (जो तार्किक है) तंत्रिका नेटवर्क को अधिक बार परीक्षण नमूने पर गलत माना जाता है, यह "मुकरने वाली समस्या" के कारण है।



जब एक न्यूरल नेटवर्क एक ही डेटा को कई बार संसाधित करता है, तो यह विशेष रूप से इस डेटा सैंपल को एडाप्ट करता है, जिसके परिणामस्वरूप, एक नए सैंपल पर, जहाँ बहुत सारे न्यूरल नेटवर्क्स को गलत किया जाता है।

शिक्षक के बिना प्रशिक्षण का उपयोग करते हुए, हम डेटा भी जमा करते हैं, लेकिन हम सही उत्तर नहीं जानते हैं और कार्य वास्तव में इस डेटा में निर्भरता का पता लगाना है। आंशिक शिक्षक प्रशिक्षण का उपयोग अक्सर तंत्रिका नेटवर्क के प्रशिक्षण में किया जाता है जो ध्वनि को संसाधित करने में सक्षम होता है। हम जितना चाहें उतना डेटा पा सकते हैं, लेकिन मार्कअप मैन्युअल रूप से करना होगा।

सबसे दिलचस्प (कुछ मतों के अनुसार) सुदृढीकरण प्रशिक्षण है, क्योंकि हम अनिवार्य रूप से तंत्रिका नेटवर्क को कुछ भी सिखा सकते हैं, केवल सही या गलत कार्रवाई को ध्यान में रखकर। 2017 में, DOTA 2 ई-स्पोर्ट्स चैंपियनशिप "द इंटरनेशनल 2017" नाम से आयोजित की गई थी, जिस पर पेशेवर खिलाड़ियों ने OpenAI तंत्रिका नेटवर्क (हालांकि कुछ प्रतिबंधों के साथ) के खिलाफ एक खेल खेला था। प्रोफेशनल्स को जीतने का मौका नहीं मिला। इस तंत्रिका नेटवर्क को प्रशिक्षित करने के लिए, एक सुदृढीकरण विधि का उपयोग किया गया था। तंत्रिका नेटवर्क ने कई बार खेला है और समस्याओं के बिना जीतना सीखा है। बेशक, यह सभी समस्याओं के बिना काम नहीं करता है, क्योंकि खेल बल्कि जटिल है और आप इसमें तंत्रिका नेटवर्क को धोखा दे सकते हैं। एक पेशेवर खिलाड़ी धोखे से ही जीतने में सफल रहा।


अब जब हम मूल बातें समझते हैं, तो हम प्रोग्रामर के लिए सहायक के रूप में तंत्रिका नेटवर्क के उपयोग पर चर्चा कर सकते हैं।

4. तकनीकी विशिष्टताओं के निर्माण में तंत्रिका नेटवर्क का उपयोग

4.1 सिद्धांत

सॉफ्टवेयर की आवश्यकता किसे हो सकती है? आजकल, हर किसी की जरूरत है और पूरी तरह से अलग उद्देश्यों के लिए। अक्सर वे स्वयं सॉफ्टवेयर स्वयं नहीं बना सकते हैं, या इसलिए नहीं चाहते हैं, वे प्रोग्रामर की ओर मुड़ते हैं। लेकिन आप कलाकार को कैसे समझाते हैं कि आप क्या चाहते हैं? सिद्धांत रूप में, एक प्रोग्रामर एक तकनीकी कार्य बना सकता है और सशर्त रूप से बता सकता है कि कार्यक्रम में क्या होगा, लेकिन हर कोई शर्तों के उपयोग के कारण पूरी तरह से स्पष्ट नहीं होगा या गलत समझा जाएगा। टीके को व्यक्तिगत रूप से प्रारूपित करने के बारे में क्या? ऐसी लागतों पर यह कठिन, लंबा और इतना आवश्यक नहीं है, लेकिन जब कुछ कठिन और लंबे समय तक करना आवश्यक है तो इस कार्य को कंप्यूटर पर क्यों न सौंपा जाए? एक तंत्रिका नेटवर्क इस कार्य को पूरा करेगा।

४.२ आवश्यकता

बिल्डर प्रोग्रामिंग से दूर है और वास्तव में कंप्यूटर से बहुत दूर है। उसके लिए, "इंटेल कोर i5 4200M प्रोसेसर 2.5 GHz और उच्चतर" लाइन कुछ भी नहीं कहेगी, और फिर उसे TK की आवश्यकता क्यों है? आइए एक तंत्रिका नेटवर्क को सिखाएं कि वह जो भी करता है उसके आधार पर व्यक्तिगत रूप से प्रत्येक के लिए लाइनें बदलें। उदाहरण के लिए, पैराग्राफ 4.3 “Intel Core i5 4200M 2.5 GHz या उच्चतर” से एक ही पंक्ति लें, उदाहरण के लिए, हम इसे बाजार में इस प्रोसेसर के संक्षिप्त नाम और औसत लागत में बदल देंगे। तो यह ग्राहक के लिए अधिक जानकारीपूर्ण होगा।

4.3 कार्यान्वयन

यह एक शिक्षक के साथ शिक्षण की विधि का उपयोग करके किया जा सकता है। प्रवेश द्वार पर हम जानकारी का एक सेट प्रस्तुत करते हैं जो ठेकेदार सशर्त ग्राहकों के बारे में प्राप्त कर सकता है। हम शॉर्टकट भी जोड़ेंगे और उन्हें लोगों पर लटकाएंगे और प्रत्येक शॉर्टकट के पीछे एक प्रोग्राम लटकाएगा, जिससे टेक्स्ट बदल जाएगा। मानक वर्गीकरण कार्य एक डेटा सेट और कई उत्तर विकल्प हैं। मान लीजिए कि एक तंत्रिका नेटवर्क ने निर्धारित किया है कि इस क्षेत्र में ग्राहक का ज्ञान उच्च स्तर पर नहीं है और इस लेबल के लिए ज़िम्मेदार होने के बाद इस पर एक उपयुक्त लेबल लटकाता है और पाठ को ग्राहक के ज्ञान के अनुरूप प्रतिस्थापित किया गया है। यह काफी सही नहीं है, क्योंकि तंत्रिका नेटवर्क के संचालन को केवल ग्राहक के प्रकार को निर्धारित करने के लिए कम किया जाता है, और प्रोग्राम स्वयं पाठ को बदलता है।

कैसे एक तंत्रिका नेटवर्क ( kremlebot ) के साथ शॉर्टकट के लिए जिम्मेदार प्रोग्राम को बदलने के बारे में, जो वेबसाइटों, फिल्मों के लिए समीक्षा बनाने के लिए उपयोग किया जाता है और आमतौर पर जहां समीक्षा का उपयोग किया जाता है। हम तंत्रिका नेटवर्क को प्रोग्राम की शर्तों के बदले ग्राहक के लेबल में निहित शर्तों का उपयोग करने के लिए सिखाएंगे, और जल्द ही कार्यक्रम ग्राहक के अनुमानित विवरण के अनुसार निष्पादनकर्ता को डेटा रीफ़्रेज़ और संचारित करेगा। सबसे अधिक संभावना है, शुरुआत में तंत्रिका नेटवर्क संचार का उपयोग केवल बिंदु "सॉफ्टवेयर उत्पाद के लिए तकनीकी आवश्यकताओं" के लिए संभव होगा, इस तथ्य के कारण कि मुख्य रूप से "समस्या क्षेत्र" है। आइटम "8। काम अनुसूची "भी तंत्रिका नेटवर्क में स्थानांतरित किया जा सकता है, लेकिन खंड 6 में उस पर और अधिक।
बाद में, जब प्रौद्योगिकियां थोड़ी विकसित होती हैं, तो तकनीकी कार्य के पूरे डिजाइन को तंत्रिका नेटवर्क के कंधों पर स्थानांतरित करना संभव होगा, या बल्कि, तंत्रिका नेटवर्क के कनेक्टेड श्रृंखला में। हमारे मस्तिष्क की तरह, हमारे कृत्रिम तंत्रिका जीव में अलग-अलग प्रक्रियाओं के लिए व्यक्तिगत घटक जिम्मेदार होंगे। यह सब ग्राहक और ठेकेदार के बीच संचार के पेशेवर अवरोध (इसे संचार अवरोधक भी कहा जाता है) को नष्ट करने की अनुमति देगा।

4.4 निष्कर्ष

इसे लागू करना बहुत जटिल नहीं है, खासकर पहला तंत्रिका नेटवर्क। आपको दूसरे के साथ टिंकर करना होगा, लेकिन अंत में, यह फल देगा। तंत्रिका नेटवर्क के इस तरह के उपयोग से ग्राहक और ठेकेदार के बीच बातचीत आसान हो जाएगी।

5. इष्टतम सॉफ्टवेयर विकास के तरीके बनाने में तंत्रिका नेटवर्क का उपयोग

एक आदमी शायद ही कुछ नया स्वीकार करता है जब वह पहले से ही इसका इस्तेमाल करता है। यहां तक ​​कि अगर एक फावड़ा अधिक सुविधाजनक, सरल, आसान है, तो एक व्यक्ति एक छेद खोदने के लिए छड़ी का उपयोग करना जारी रखेगा। यह पीढ़ियों के बीच बहुत स्पष्ट रूप से देखा जाता है। दादी, जिन्हें इंटरनेट के माध्यम से घर से सांप्रदायिक अपार्टमेंट का भुगतान करने का अवसर है, आधे शहर को ड्राइव करना पसंद करते हैं। क्यों? क्योंकि सबसे पहले वे लोग हैं और अधिकांश लोगों की तरह वे वास्तव में बदलाव को पसंद नहीं करते हैं, दूसरी बात यह है कि वे नई चीजों को सीखना नहीं चाहते हैं, यह उनके लिए बहुत मुश्किल है और इसमें देरी करने की कोशिश भी न करें। कार्यप्रणाली के लिए भी यही सच है। कंपनियां, विशेष रूप से बड़े वाले, कार्यप्रणाली को बदलने के लिए बहुत इच्छुक नहीं हैं, जो पहले से ही काम करता है। लेकिन क्या होगा अगर चयनित पद्धति किसी दिए गए प्रोजेक्ट के लिए इष्टतम या पूरी तरह से अनुपयुक्त नहीं है? यह कहना तर्कसंगत है कि क्या इष्टतम के साथ प्रतिस्थापित करने की आवश्यकता है, लेकिन कौन सा एक होगा और इसका क्या मतलब है इष्टतम? वह जिसे टीम आसानी से स्वीकार कर लेगी, या जो विकास को गति देगा? कौन इस तरह के जिम्मेदार काम को सौंप सकता है? आइए देखें कि तंत्रिका नेटवर्क इसे कैसे हल कर सकते हैं।

५.१ कार्यान्वयन

सबसे अधिक संभावना है, ऐसे नेटवर्क के लिए कोई प्रबंधन नहीं कर सकता है और हमें फिर से कनेक्शन की एक श्रृंखला की आवश्यकता होगी, जिनमें से प्रत्येक एक अलग कार्य के लिए जिम्मेदार होगा। इस स्थिति में, हमारे पास कार्यप्रणालियों के उपयोग पर डेटा और स्वयं उन परियोजनाओं के लिए सेट है जिनके लिए उन्हें लागू किया गया था। आप डेवलपर्स के बारे में डेटा भी जोड़ सकते हैं, लेकिन यह सब कुछ बहुत जटिल कर देगा, इसलिए हम इसे थोड़ी देर के लिए स्थगित कर देंगे। एक डेटा सेट की उपस्थिति में, जिसमें "प्रतिक्रिया" नहीं होती है, इसका मतलब है कि हम एक शिक्षक के बिना विधि का उपयोग करते हैं। तंत्रिका नेटवर्क खुद ही विकास पर खर्च किए गए समय और परियोजना पर डेटा के बीच संबंध पाएंगे। सबसे अधिक संभावना है, मानव कारक के कारण सटीकता बहुत अधिक नहीं होगी। यह दूसरा तंत्रिका नेटवर्क लेगा, जो डेवलपर्स के आधार पर विश्लेषण करेगा, उदाहरण के लिए, पत्राचार (जिसमें उनकी सहमति की आवश्यकता होगी) या वे कैसे काम करना पसंद करते हैं। और उन पैराग्राफों को जोड़ें जो पैराग्राफ 4 में थे और हम उन्हें प्रसंस्करण के लिए पहले तंत्रिका नेटवर्क पर वापस कर देंगे। यहां आपको शिक्षक की आंशिक भागीदारी के साथ विधि का उपयोग करना होगा। हमें लोगों के एक समूह का चयन करना होगा और परीक्षण द्वारा उनके चरित्र (शॉर्टकट) को पहचानना होगा और इस डेटा को इनपुट में जमा करना होगा। अब यह निर्धारित करना आवश्यक है कि तंत्रिका नेटवर्क किसी रिश्ते के लिए क्या देखेगा। यदि आप पत्राचार लेते हैं, तो सबसे पहले लोग इसे पसंद नहीं करेंगे, क्योंकि उनके व्यक्तिगत डेटा का उपयोग किया जाता है, दूसरा यह सटीक परिणाम नहीं देगा। फिर हम इन लोगों के काम पर डेटा का उपयोग करने की कोशिश करेंगे, लेकिन यहां समस्या तंत्रिका नेटवर्क के लिए इस डेटा की उपलब्धता है। प्रवेश पत्र को स्थानांतरित करना मुश्किल नहीं होगा, लेकिन इन लोगों के काम पर डेटा कैसे इकट्ठा करना और बदलना है? दूसरी तरफ चलते हैं। "पात्रों" के रूप में हम डॉ। मेरेडिथ बेलबिन द्वारा पहचानी गई 8 प्रकार की भूमिकाएँ लेते हैं।



अब हमारे पास यह निर्धारित करने के लिए विशिष्ट लेबल और विशेषताएं हैं कि किस पर लटका दिया जाए। इसके स्टोकेस्टिक को देखते हुए मानव कारक को ध्यान में रखना मुश्किल है, लेकिन फिर भी कुछ पैटर्न का पता लगाया जाता है, जिसे तंत्रिका नेटवर्क द्वारा देखा जा सकता है। मान लीजिए विषय का पहला लेबल "अध्यक्ष" होगा, लेकिन नेशनल असेंबली को इसके बारे में पता नहीं होगा। इस व्यक्तित्व की विशेषताएं, तंत्रिका नेटवर्क इस की व्यक्तिगत फ़ाइलों से ले सकती है उसके लिए पर्याप्त होगा। रिपोर्टों के आधार पर, यह भी बनाया जाएगा कि इस व्यक्ति पर कौन सा लेबल लगाया जाएगा। नतीजतन, एक शॉर्टकट को लटका दिया जाएगा और रिश्तों को संसाधित करने और खोजने के लिए पहले तंत्रिका नेटवर्क को भेजा जाएगा। यह सब काफी जटिल है, लेकिन यह तंत्रिका नेटवर्क के लिए एक पद्धति का चयन करते समय सटीकता को काफी जोड़ देगा। हमारी श्रृंखला ने प्रशिक्षित किया है, और इनपुट डेटा से यह निर्धारित किया जा सकता है कि विकास टीम की विशेषताओं को ध्यान में रखते हुए, पद्धति किस समय में इष्टतम होगी। यदि टीम कार्यप्रणाली का चयन करने के लिए लगातार तंत्रिका नेटवर्क का उपयोग करेगी, तो चरण दर चरण यह बेहतर और बेहतर सीखेगी जिससे खुद के लिए भुगतान करना और इसकी सटीकता बढ़ जाएगी। इससे आगे बढ़ते हुए, लंबे सीखने के कारण तंत्रिका नेटवर्क सबसे अच्छा तरीका नहीं है। आइए देखें कि मशीन लर्निंग हमारे लिए और क्या कर सकती है।

5.2 निष्कर्ष

बड़ी संख्या में मानव कारकों और लंबे और महंगे प्रशिक्षण के कारण इस तरह के कार्य के लिए एक तंत्रिका नेटवर्क काफी उपयुक्त नहीं है।

6. तंत्रिका नेटवर्क का उपयोग कर परीक्षण सॉफ्टवेयर

हम सभी इंसान हैं और हम गलतियाँ करते हैं। केविन मिटनिक ने एक बार कहा था: “लोग सुरक्षा में सबसे कमजोर कड़ी हैं। लोग, प्रौद्योगिकी नहीं। ” सॉफ्टवेयर विकास प्रौद्योगिकियों के विकास के साथ, वही समस्याएं हमेशा बनी रहती हैं। कमियाँ, बग, त्रुटियाँ। यह सब मानवीय आलस्य, असावधानी या ज्ञान न होने के कारण प्रकट होता है। डिबगिंग और परीक्षण इस समस्या को हल करता है।

6.1 -

परीक्षण कुल समय के साठ प्रतिशत के रूप में लेता है। यह सॉफ्टवेयर विकास का सबसे लंबा चरण है। यह इस चरण के स्वचालन की जटिलता के कारण होता है क्योंकि ऑटो टेस्टर्स में स्टोचैस्टिसिटी की कमी और उनके निर्माण की जटिलता। सबसे अच्छा विकल्प मैन्युअल परीक्षण है, क्योंकि कोई भी कार्यक्रम (फिलहाल) पूरी तरह से किसी व्यक्ति को बदल नहीं सकता है। लागू करने के लिए लंबा और मुश्किल? हम फिर से एक तंत्रिका नेटवर्क की मदद का उपयोग करते हैं। पहले आपको यह समझने की आवश्यकता है कि तंत्रिका नेटवर्क के साथ परीक्षण का क्या मतलब है। यह समझने के लिए तुरंत आवश्यक है कि एक सार्वभौमिक परीक्षक बनाना काम नहीं करता है, आपको प्रत्येक सामान्यीकृत कार्य के लिए अलग से निर्माण करना होगा, उदाहरण के लिए, एक तंत्रिका नेटवर्क जो साइटों का परीक्षण करता है। पहले, चलो ऑपरेशन के इसके सिद्धांत का पता लगाने की कोशिश करें और क्या इस दिशा में इसका उपयोग संभव है।हम प्रवेश द्वार पर क्या जमा करते हैं? हम बाहर निकलने की क्या उम्मीद करते हैं? प्रशिक्षण के नमूने में सिद्ध साइटें शामिल होंगी, जिन पर तंत्रिका नेटवर्क को प्रशिक्षित किया जाएगा। अपने दोस्त को स्वतंत्र रूप से vryatli देने से हमें वांछित परिणाम मिलता है, इसलिए हम उन वस्तुओं के संदर्भ में एनएस को प्रतिबंधित करते हैं जो साइट पर मौजूद हो सकते हैं, सभी प्रकार के बटन, बार, चेकबॉक्स और क्रियाएं हैं जो तंत्रिका नेटवर्क प्रदर्शन कर सकते हैं। जबकि तंत्रिका नेटवर्क मज़ेदार है और यह याद रखता है कि इस तरह की कार्रवाई के साथ क्या होता है, और इसके साथ, और लत की तलाश में, हम सभी की सबसे छोटी वेबसाइट बनाते हैं जो मौजूद है और तंत्रिका नेटवर्क को संदेश भेजने के लिए कॉन्फ़िगर करता है अगर घटना उनकी अपेक्षा को पूरा नहीं करती है। इस साइट को प्रवेश द्वार पर जमा करके, हमें संभावित बग के बारे में संदेश प्राप्त होंगे, जिससे एक्सेप्टेंस शीट बनाने की प्रक्रिया को स्वचालित किया जाएगा।अपने दोस्त को स्वतंत्र रूप से vryatli देने से हमें वांछित परिणाम मिलता है, इसलिए हम उन वस्तुओं के संदर्भ में एनएस को प्रतिबंधित करते हैं जो साइट पर मौजूद हो सकते हैं, सभी प्रकार के बटन, बार, चेकबॉक्स और क्रियाएं हैं जो तंत्रिका नेटवर्क प्रदर्शन कर सकते हैं। जबकि तंत्रिका नेटवर्क में मज़ा आ रहा है और याद कर रहा है कि इस तरह की कार्रवाई के साथ क्या होता है, और इसके साथ, और लत की तलाश में, हम सबसे अधिक छोटी गाड़ी साइट बनाते हैं जो हमारे पास है और तंत्रिका नेटवर्क को एक संदेश भेजने के लिए कॉन्फ़िगर करता है अगर घटना इसकी अपेक्षा नहीं करती है। इस साइट को प्रवेश द्वार पर जमा करके हम संभावित बग के बारे में संदेश प्राप्त करेंगे, जिससे एक्सेप्टेंस शीट बनाने की प्रक्रिया को स्वचालित किया जाएगा।अपने दोस्त को स्वतंत्र रूप से vryatli देने से हमें वांछित परिणाम मिलता है, इसलिए हम उन वस्तुओं के संदर्भ में एनएस को प्रतिबंधित करते हैं जो साइट पर मौजूद हो सकते हैं सभी प्रकार के बटन, बार, चेकबॉक्स और क्रियाएं हैं जो तंत्रिका नेटवर्क प्रदर्शन कर सकते हैं। जबकि तंत्रिका नेटवर्क में मज़ा आ रहा है और याद कर रहा है कि इस तरह की कार्रवाई के साथ क्या होता है, और इसके साथ, और लत की तलाश में, हम सबसे अधिक छोटी गाड़ी साइट बनाते हैं जो हमारे पास है और तंत्रिका नेटवर्क को एक संदेश भेजने के लिए कॉन्फ़िगर करता है अगर घटना इसकी अपेक्षा नहीं करती है। इस साइट को प्रवेश द्वार पर जमा करके, हमें संभावित बग के बारे में संदेश प्राप्त होंगे, जिससे एक्सेप्टेंस शीट बनाने की प्रक्रिया को स्वचालित किया जाएगा।जो एक तंत्रिका नेटवर्क प्रदर्शन कर सकता है। जबकि तंत्रिका नेटवर्क मज़ेदार है और यह याद रखता है कि इस तरह की कार्रवाई के साथ क्या होता है, और इसके साथ, और लत की तलाश में, हम उन सभी में से सबसे छोटी गाड़ी साइट बनाते हैं जो हमारे पास तंत्रिका नेटवर्क को संदेश भेजने के लिए कॉन्फ़िगर करते हैं यदि घटना इसकी अपेक्षा नहीं करती है। इस साइट को प्रवेश द्वार पर जमा करके, हमें संभावित बग के बारे में संदेश प्राप्त होंगे, जिससे एक्सेप्टेंस शीट बनाने की प्रक्रिया को स्वचालित किया जाएगा।जो एक तंत्रिका नेटवर्क प्रदर्शन कर सकता है। जबकि तंत्रिका नेटवर्क मज़ेदार है और यह याद रखता है कि इस तरह की कार्रवाई के साथ क्या होता है, और इसके साथ, और लत की तलाश में, हम उन सभी में से सबसे छोटी गाड़ी साइट बनाते हैं जो हमारे पास तंत्रिका नेटवर्क को संदेश भेजने के लिए कॉन्फ़िगर करते हैं यदि घटना इसकी अपेक्षा नहीं करती है। इस साइट को प्रवेश द्वार पर जमा करके, हमें संभावित बग के बारे में संदेश प्राप्त होंगे, जिससे एक्सेप्टेंस शीट बनाने की प्रक्रिया को स्वचालित किया जाएगा।

वेब अनुप्रयोग। सुदृढीकरण विधि। गाजर और छड़ी।

यह अनुमान लगाना मुश्किल है कि पिछला परीक्षण संस्करण कितना सही होगा, क्योंकि तंत्रिका नेटवर्क सही ढंग से नहीं सीख सकता है और एक अतार्किक परिणाम की उम्मीद कर सकता है। एक दूसरा विकल्प है जो लंबा है, लेकिन अधिक सटीक और सार्वभौमिक है। तंत्रिका नेटवर्क बस परीक्षकों के कार्यों की निगरानी करेगा जिससे प्रबलित विधि का उपयोग करके सीखना होगा। यह उनमें एक कनेक्शन ढूंढकर और उन्हें पुन: उत्पन्न करके बड़ी मात्रा में डेटा प्राप्त करेगा। तंत्रिका नेटवर्क को न केवल साइट पर कार्रवाई को रिकॉर्ड करना चाहिए, बल्कि यह भी कि किस बिंदु पर परीक्षक कनेक्शन खोजने के लिए बग के बारे में एक संदेश रिकॉर्ड करेगा। यहां हमें पहले से ही स्टैंडअलोन परीक्षक का अधिक सटीक संस्करण मिलता है। लेकिन एक ही समय में, वहाँ दोनों और एक मानवीय कारक है जो कार्य द्वारा वर्णन करना आसान काम नहीं है, इसलिए, तंत्रिका नेटवर्क के लिए मानव स्टोचैस्टिसिटी देना मुश्किल है।

6.2

सॉफ्टवेयर का परीक्षण करते समय, हम पिछले अनुभाग की तरह, सुदृढीकरण के साथ विधि का उपयोग कर सकते हैं। एक अत्यंत सार्वभौमिक विधि जो आपको तंत्रिका नेटवर्क को लगभग कुछ भी सिखाने की अनुमति देती है। हमने बड़ी संख्या में परीक्षकों की निगरानी के लिए एक तंत्रिका नेटवर्क रखा। हम इसके कार्यों को कार्यात्मक परीक्षण और गैर-कार्यात्मक परीक्षण में विभाजित करेंगे। कार्यात्मक परीक्षण के लिए जिम्मेदार तंत्रिका नेटवर्क संदर्भ की शर्तों पर आधारित होगा। उसके प्रशिक्षण के लिए, हम इन कार्यक्रमों में प्रोग्रामर द्वारा पाए जाने वाले टीके और बग के सेट का उपयोग करेंगे। यहां आप इनपुट में दिए गए डेटा में शॉर्टकट जोड़ने के लिए पैराग्राफ 5 से न्यूरल नेटवर्क का भी उपयोग कर सकते हैं। इस प्रकार, एनएस संभव बग या एक त्रुटि को सूचित करने में सक्षम होगा, साथ ही समय के साथ खुद को लगातार सुधारने और एक विशिष्ट विकास टीम में समायोजित करने में सक्षम होगा।गैर-कार्यात्मक परीक्षण के लिए, आप पारंपरिक कार्यक्रमों का उपयोग कर सकते हैं क्योंकि तंत्रिका नेटवर्क यहां केवल एक जटिलता होगी।

6.3 निष्कर्ष

एक तंत्रिका नेटवर्क साइटों के परीक्षण के लिए अच्छा है, लेकिन एक ही समय में इसे प्रशिक्षित करने में बहुत समय लगेगा। सॉफ्टवेयर परीक्षण के साथ एक ही चीज के बारे में है, लेकिन परीक्षण को लागू करने के लिए कुछ हद तक बदतर और कठिन है।

7. निष्कर्ष

संक्षेप में, हम कह सकते हैं कि सॉफ्टवेयर विकास के लिए तंत्रिका नेटवर्क के उपयोग की प्रक्रिया में तेजी आएगी, लेकिन सभी मामलों में नहीं। उपरोक्त सभी, निश्चित रूप से, केवल सिद्धांत में काम करता है, व्यवहार में सब कुछ इतना रसीला नहीं हो सकता है, लेकिन काम एक तंत्रिका नेटवर्क का उपयोग करके सॉफ्टवेयर विकास में तेजी लाने के लिए, कम से कम सिद्धांत में संभावना का अध्ययन करना है। अध्ययन का मेरा अंतिम परिणाम उत्तर है: और न केवल सिद्धांत में, बल्कि एक व्यक्ति के रूप में व्यक्तिगत दृष्टिकोण और विश्लेषण के साथ एक बड़ी समस्या होगी जो वर्तमान में दूर करना मुश्किल है। सहायक के रूप में तंत्रिका नेटवर्क के पूर्ण उपयोग के लिए, लंबे प्रशिक्षण की आवश्यकता होती है, जो बाद में भुगतान करेगा। तंत्रिका नेटवर्क तकनीकी विनिर्देश बनाने के लिए सबसे अच्छा है, या ठेकेदार और ग्राहक के बीच बातचीत को आसान बनाने के लिए।एक तंत्रिका नेटवर्क संचार बाधा को नष्ट कर देता है, जो पूरी प्रक्रिया को गति देता है और सुविधा प्रदान करता है। यह भी परीक्षण में तंत्रिका नेटवर्क का उपयोग करने की संभावना को ध्यान देने योग्य है यह भी अत्यंत उपयोगी है। एक तंत्रिका नेटवर्क गति परीक्षण की तुलना में संभावित बग की भविष्यवाणी कर सकता है। यह नाटकीय रूप से प्रक्रिया को गति नहीं देगा, लेकिन इसे थोड़ा आसान बना देगा। दुर्भाग्य से, तंत्रिका नेटवर्क कार्यप्रणाली का चयन करने में बहुत प्रभावी नहीं हैं। एक तंत्रिका नेटवर्क लोगों की भावनाओं को समझना शुरू नहीं कर सकता है, इसलिए, यह केवल सांख्यिकीय आंकड़ों के आधार पर एक पद्धति चुन सकता है।दुर्भाग्य से, तंत्रिका नेटवर्क कार्यप्रणाली का चयन करने में बहुत प्रभावी नहीं हैं। एक तंत्रिका नेटवर्क लोगों की भावनाओं को समझना शुरू नहीं कर सकता है, इसलिए, यह केवल सांख्यिकीय आंकड़ों के आधार पर एक पद्धति चुन सकता है।दुर्भाग्य से, तंत्रिका नेटवर्क कार्यप्रणाली का चयन करने में बहुत प्रभावी नहीं हैं। एक तंत्रिका नेटवर्क लोगों की भावनाओं को समझना शुरू नहीं कर सकता है, इसलिए, यह केवल सांख्यिकीय आंकड़ों के आधार पर एक पद्धति चुन सकता है।

तंत्रिका नेटवर्क छलांग और सीमा से विकसित हो रहे हैं और कौन जानता है कि हमारे घरों में समान रूप से समान ह्यूमनॉइड एंड्रॉइड दिखाई देंगे जो ( सभी मानवता को नष्ट कर देंगे) हमारे जीवन में सुधार करेंगे।


(Android सोफिया)

संदर्भ

निकोलेंको, एस। डीप लर्निंग: विसर्जन इन द वर्ल्ड ऑफ न्यूरल नेटवर्क्स / एस। निकोलेंको, ए। कडुरिन, ई। अरखान्गेल्सकाया - सेंट पीटर्सबर्ग - डीप लर्निंग। - एसपीबी: पीटर, 2018 - 480 पी .: बीमार। - (श्रृंखला "प्रोग्रामर लाइब्रेरी")।