अ न्युरल नेटवर्क विथ अ सिंगल डेटा पॉईंट

"तुम्हाला आर्टिफिशियल न्युरल नेटवर्क्स विषयी माहीत आहे का पंत ?" "माहीती आहे पण खुप डिटेल्स्ड असं नाही" "बेसिक कन्सेप्ट्स माहीत आहेत ना , हां तेवढं पुरेसे आहे , हा एक इन्टरेस्टिंग प्रश्न ऐका :"

समजा एखाद्या न्युरल नेटवर्कला वेगवेगळा डेटा न देता , केवळ एकच डेटा पॉईंट वारंवार दिला , तर ते न्युरल नेटवर्क काय लर्न करेल ? काय बनेल ?

https://clevertap.com/wp-content/uploads/2019/04/Neural_Network_Brain_Mimic.jpeg "ह्या न्युरल नेटवर्क ला वेगवेगळे एक्स १ एक्स २ असे इनपुटस न देता एकच डेटा पॉईंट इनपुट (आणि तोच आउटपुटही) दिला तर ?" "तर काय , त्याला पुरेसा डेटा नसल्याने काहीच शिकता येणार नाही . सर्वं शुन्यं शुन्यं ." "नक्की का ? कारण बाकी काहीही शिकत नसले तरी ते न्युरल नेटवर्क एक गोष्ट नक्की शिकत आहे - कि सगळ्या ट्रेनिंग डेटासेट मध्ये केवळ एकच पॅटर्न आहे . किंबहुना हा एकच पॅटर्न हाच सगळा डेटा आहे !" "करेक्ट." "आता त्याच न्युरल नेटवर्क ला टेस्टिंग करताना त्या डेटा पॉईंट व्यतिरिक्त दुसरा डेटा पॉईंट दिला तर ?" "तर त्या न्युरल नेटवर्क ला काही कळणारच नाही आणि तो एरर दाखवेल ." "आणि समजा एरर करेकशन मध्ये try: except मध्ये एक्सेप्टला देखील सेम आउट्पुट - अर्थात तोच सिंगल डेटा पॉईम्ट अ‍ॅज ऑटपुट असे लिहिले असेल तर ?" "तर काय , ते न्युरल नेटवर्क सवर्च डेटा पॉईंट्सला सेम डेटा पॉईंट समजेल आणि तोच ओरिजिनल डेटा पॉईंट आउअटपुट म्हणुन देईल ! "एक्झॅक्टली !" "आता आजुन एक छोटासा फॉलोअप प्रश्न : त्या न्युरल नेटवर्क साठी सर्वच डेटा पॉईंट्स हे ओरिजिनल सिंगल डेटा पॉईंट आहेत तर मग त्या न्युरल नेटवर्कला "त्या न्युरल नेटवर्कचे अस्तित्व" हाच एक डेटा पॉईंट अ‍ॅज अ इनपुट म्हणुन दिले तर ?" "तर काय ? ते खुद्द न्युरल नेटवर्क देखील डेटा पॉईट म्हणुन पाहिले तर वेगळ्या डेटा स्ट्रक्चर मध्ये असेल पण ह्या न्युरल नेटवर्कसाठी तर तेही तेच सेम ओरिजिनल डेटा पॉईंट आहे ! त्यामुळे तेच आऊटपुट म्हणुन येईल ! " "वॉला !! आता हे पहा : https://nkbmeditation.org/images/image/673f53292807800f0202fbb0/image.png "हे काय आहे ?" "महाराजजींचे हस्ताक्षर !" "मग ?" "Don't you see it ! He is feeding his Neural Network , "A single Data point " over and over again !!" " ओह !" "नॉट ओह "

"राम"

"हां , येस , .... राम" "अरे एवढं लांब कशाला जायला पाहिजे - हे पहा - "

नामसंकीर्तन साधन पै सोपे । जळतील पापे जन्मांतरीची।। न लगती सायास जावे वनांतरा । सुखे येतो घरा नारायण।। ठायीचं बैसोनि करा एकचित्त । आवडी अनंत आळवावा।। रामकृष्णहरि विठ्ठल केशवा । मंत्र हा जपावा सर्वकाळ।। याविण आणिक असता साधन । वाहतसे आन विठोबाची।। तुका म्हणे सोपे आहे सर्वांहूनी । शहाणा तो धनी घेतो येथे।।

"राम" "अजुन हे पहा :"

त्रिवेणीसंगमीं नाना तीर्थे भ्रमी । चित्त नाहीं नामीं तरी तें व्यर्थ ॥१॥ नामासी विन्मुख तो नर पापिया । हरिवीण धांवया न पावे कोणी ॥२॥ पुराणप्रसिद्ध बोलिले वाल्मीक । नामें तीन्ही लोक उद्धरती ॥३॥ ज्ञानदेव म्हणे नाम जपा हरीचें । परंपरा त्याचें कुळ शुद्ध ॥४॥

एक तत्व नाम दृढ धरीं मना । हरीसी करुणा ये‌ईल तुझी ॥१॥ तें नाम सोपें रे राम-कृष्ण गोविंद । वाचेसी सद्गद जपा आधीं ॥२॥ नामापरतें तत्त्व नाहीं रे अन्यथा । वायां आणिका पंथा जाशील झणीं ॥३॥ ज्ञानदेवा मौन जप माळ अंतरी । धरोनी श्रीहरि जपे सदां ॥४॥

जे मन बुद्धि इहीं । घर केलें माझ्यां ठायीं । तरी सांगें मग काइ । मी तू ऐसें उरे ? ॥ ९९ ॥ ज्ञानेश्वरी - अध्याय १२ "अजुन "जवळंच" उदाहरण पहा हे आता"

नव्हे कर्म ना धर्म ना योग कांही। नव्हे भोग ना त्याग ना सांग पाहीं॥ म्हणे दास विश्वास नामी धरावा। प्रभाते मनी राम चिंतीत जावा॥७६।।

"ओह माय गॉड ! थोडक्यात काय तर all you need to do is - to train your neural network on this one data point "राम". And so the Neural network will be !" And so you too will be ! " म्हणोनि माझिया स्वरूपीं । मनबुद्धि इयें निक्षेपीं । येतुलेनि सर्वव्यापी । मीचि होसी ॥ just train your network with one data point - "राम" and you will be so ! "किती जवळ होता हा उपाय ! स्पेसमध्येही ... देहु आळंदी सज्जनगड.... आणि टाईममध्येही ... फक्त ३००-७०० वर्षं जवळ ! पण आपल्याला हे कळायला कित्ती वर्षं लागली !" "राम" "हा हा हा. अरे अजुन ह्याही पेक्षा कितीतरी जास्त जवळ होता हा उपाय ! तू अजुन पाहिलं आहेस कुठे तु ! हे पहा : https://shrigondavalekarmaharaj.org/images/add/1.jpg "राम" _____________________________