नियोकॉग्निट्रॉन एक पदानुक्रमित, बहु-स्तरीय कृत्रिम तंत्रिका नेटवर्क है, जिसे 1979 में कुनिहिको फुकुशिमा द्वारा प्रस्तावित किया गया था। इसे पैटर्न पहचान कार्यों, जैसे जापानी हस्तलिखित वर्ण पहचान, के लिए डिज़ाइन किया गया था, और इसे कन्वोल्यूशनल तंत्रिका नेटवर्क (सीएनएन) के लिए प्रत्यक्ष प्रेरणा के रूप में व्यापक रूप से मान्यता प्राप्त है। यह मॉडल दृश्य प्रांतस्था के बारे में तंत्रिका-शारीरिक निष्कर्षों पर आधारित है और स्थानीय विशेषता निष्कर्षण तथा स्थितीय बदलावों के प्रति सहनशीलता जैसी प्रमुख अवधारणाओं को पेश करता है, जो आधुनिक कंप्यूटर दृष्टि के लिए केंद्रीय बनी हुई हैं।
नियोकॉग्निट्रॉन की उत्पत्ति फुकुशिमा के पहले के कार्यों से जुड़ी है। 1969 में, उन्होंने स्तनधारी दृष्टि में देखे गए कन्वोल्यूशन पर आधारित हाथ से डिज़ाइन किए गए कर्नेल के साथ एक समान वास्तुकला प्रकाशित की। उन्होंने इसे 1975 में कॉग्निट्रॉन में परिष्कृत किया, और फिर 1979 में नियोकॉग्निट्रॉन में, जिसने सभी कन्वोल्यूशनल कर्नेल को बिना पर्यवेक्षण के सीखा, जिसे उन्होंने "बिना शिक्षक के सीखने द्वारा स्व-संगठित" के रूप में वर्णित किया। यह विकास मैन्युअल रूप से निर्दिष्ट विशेषताओं से सीखी गई अभ्यावेदन की ओर एक बदलाव को चिह्नित करता है।
जैविक प्रेरणा
नियोकॉग्निट्रॉन 1959 में डेविड हुबेल और टॉर्स्टन विज़ेल द्वारा प्रस्तावित दृश्य प्रणाली के मॉडल से प्रेरित था। बिल्ली के स्ट्रिएट प्रांतस्था पर उनके शोध ने दो प्रकार की कोशिकाओं की पहचान की: सरल कोशिकाएं, जो उन्मुख किनारों और पट्टियों पर प्रतिक्रिया करती हैं, और जटिल कोशिकाएं, जो समान विशेषताओं पर प्रतिक्रिया करती हैं लेकिन अधिक स्थानिक अपरिवर्तनशीलता के साथ। उन्होंने पैटर्न पहचान के लिए इन कोशिका प्रकारों का एक कैस्केडिंग मॉडल भी प्रस्तावित किया। नियोकॉग्निट्रॉन इस कैस्केडिंग विचार का एक स्वाभाविक विस्तार है, जो दृश्य मार्ग में पदानुक्रमित प्रसंस्करण की नकल करने वाली एक स्तरित वास्तुकला को लागू करता है।
वास्तुकला और तंत्र
नियोकॉग्निट्रॉन में कोशिकाओं की कई परतें होती हैं, जिनमें सबसे महत्वपूर्ण एस-कोशिकाएं और सी-कोशिकाएं हैं। एस-कोशिकाएं अपने ग्राही क्षेत्रों से किनारों या कोनों जैसी स्थानीय विशेषताओं को निकालती हैं। सी-कोशिकाएं एस-कोशिकाओं द्वारा पहचानी गई विशेषताओं में स्थानीय बदलावों जैसे छोटे विरूपणों को सहन करती हैं। जैसे-जैसे संकेत नेटवर्क में प्रसारित होते हैं, स्थानीय विशेषताएं धीरे-धीरे अधिक जटिल और वैश्विक अभ्यावेदन में एकीकृत होती हैं, अंततः उच्च परतों में वर्गीकरण को सक्षम बनाती हैं। स्थानीय विशेषता एकीकरण का यह सिद्धांत अन्य मॉडलों में भी पाया जाता है, जिसमें कन्वोल्यूशनल तंत्रिका नेटवर्क, एसआईएफटी विधि और एचओजी विधि शामिल हैं।
नियोकॉग्निट्रॉन की एक उल्लेखनीय विशेषता बिना पर्यवेक्षण के सीखने की इसकी क्षमता है। कन्वोल्यूशनल कर्नेल एक प्रतिस्पर्धी सीखने की प्रक्रिया के माध्यम से स्व-संगठित होते हैं, जिससे नेटवर्क को लेबल किए गए डेटा के बिना इनपुट पैटर्न से प्रासंगिक विशेषताओं की खोज करने की अनुमति मिलती है। यह आधुनिक सीएनएन में उपयोग किए जाने वाले बाद के पर्यवेक्षित प्रशिक्षण तरीकों के विपरीत है।
विविधताएं और विस्तार
विभिन्न कार्यों को संबोधित करने के लिए विभिन्न प्रकार के नियोकॉग्निट्रॉन विकसित किए गए हैं। कुछ विविधताएं चयनात्मक ध्यान प्राप्त करने के लिए पिछड़े संकेतों का उपयोग करके एक ही इनपुट में कई पैटर्न का पता लगा सकती हैं, जिससे मॉडल को विशिष्ट वस्तुओं या क्षेत्रों पर ध्यान केंद्रित करने में सक्षम बनाया जा सके। अन्य विस्तारों ने सीखने के नियमों, स्केलिंग और घूर्णन अपरिवर्तनशीलता में सुधार को शामिल किया है, हालांकि मुख्य वास्तुकला पदानुक्रमित और जैविक रूप से प्रेरित बनी हुई है।
विरासत और प्रभाव
नियोकॉग्निट्रॉन को कृत्रिम बुद्धिमत्ता और मशीन लर्निंग में एक आधारभूत मॉडल माना जाता है। इसका पदानुक्रमित, कन्वोल्यूशनल डिज़ाइन सीधे सीएनएन के विकास को प्रभावित करता है, जो आधुनिक कंप्यूटर दृष्टि और गहन शिक्षा की आधारशिला बन गया। जबकि नियोकॉग्निट्रॉन स्वयं आज कम आमतौर पर उपयोग किया जाता है, इसके सिद्धांत - स्थानीय ग्राही क्षेत्र, साझा भार, और पदानुक्रमित विशेषता निष्कर्षण - लगभग सभी समकालीन कन्वोल्यूशनल वास्तुकलाओं में अंतर्निहित हैं। यह मॉडल इस व्यापक समझ में भी योगदान देता है कि जैविक दृष्टि कम्प्यूटेशनल मॉडल को कैसे सूचित कर सकती है।