ஜீவிதா மருதாச்சலம்*
செயற்கை நரம்பியல் நெட்வொர்க்குகள் மனித முடிவெடுக்கும் திறன்களை ஆதரிக்க பரவலாகப் பயன்படுத்தப்படுகின்றன, நடைமுறையில் முரண்பாடு மற்றும் அனுபவமின்மையின் அடிப்படையில் பிழைகளைத் தவிர்க்கின்றன. இந்தக் கட்டுரையில் செயற்கை நரம்பியல் நெட்வொர்க்குகளில் ப்ரிசெப்ட்ரான் கற்றல், பிழை திருத்தம், ஹெபியன் மற்றும் போட்டி கற்றல் விதிகள் போன்ற பல்வேறு கற்றல் விதிகளை ஆராய்ந்தோம். கற்றல் விதிகள் என்பது ஒரு நெட்வொர்க்கில் உள்ள இணைப்புகளின் எடையை நேரடியாக மாற்றும் வழிமுறைகள் ஆகும்.
பயிற்சியின் போது அதன் எடையை மாற்ற விரும்பிய வெளியீட்டிற்கும் உண்மையான வெளியீட்டிற்கும் உள்ள வித்தியாசத்தைப் பயன்படுத்துவதன் மூலம் பிழைக் குறைப்பு செயல்முறையை அவர்கள் இணைத்துக் கொள்கின்றனர். கற்றல் விதி பொதுவாக அதிக எண்ணிக்கையிலான சகாப்தங்களில் ஒரே மாதிரியான பயிற்சி உள்ளீடுகளுக்கு மீண்டும் மீண்டும் பயன்படுத்தப்படுகிறது, எடைகள் நன்றாகச் சீரமைக்கப்படுவதால், சகாப்தங்களில் பிழை படிப்படியாகக் குறைக்கப்படுகிறது. இந்த தாள் அதன் பயன்பாடுகள் மற்றும் நன்மைகள் மற்றும் குறைபாடுகளுடன் மல்டிலேயர் பெர்செப்ட்ரான் (எம்எல்பி) எனப்படும் நரம்பியல் நெட்வொர்க் நுட்பங்களில் ஒன்றையும் கவனம் செலுத்துகிறது.