Deep Learning മലയാളത്തിൽ (in Malayalam)

മനുഷ്യനുൾപ്പെടെ, നട്ടെല്ലുള്ള ജീവികളിലെ പ്രധാന അംഗവ്യൂഹങ്ങളിൽ ഒന്നാണു് നാഡീ വ്യൂഹം (Nervous  System) . ഈ നാഡീ  വ്യൂഹത്തിനു സമാനമായിട്ടാണ്  Artificial Neural Network തയാറാക്കിയിട്ടുള്ളത് . 1871 - 73 കളിൽ Joseph von Gerlach നാഡീകോശങ്ങളെ കുറിച്ച് പഠിക്കുകയും , അവ ഒരു ശൃംഖല അല്ലെന്നും ഏകകോശമാണെന്നും (A Single Cell ) അവകാശപ്പെട്ടു [ Reticular Theory ]. Staining Technique  കൾ ഉപയോഗിച്ച്  Camillo  Golgi യും Reticular Theory യെ പിന്തുണച്ചു.  1888 - 91 കളിൽ  Camillo യുടെ staining  technique കൾ ഉപയോഗിച്ചു  തന്നെ Neuron ഒരു ശൃംഖലയാണെന്നു Santiago കണ്ടെത്തി [ Neural Doctrine  ] . 1906 ൽ രണ്ടു കൂട്ടർക്കും (Golgi  & Santiago ) നോബൽ സമ്മാനം നൽകിയത് മറ്റു പല വിവാദങ്ങൾക്കും വഴിവച്ചു. ഒടുവിൽ 1950 ൽ  electron microscopy യുടെ സഹായത്തോടെ Neural  Network (അല്ലെങ്കിൽ Neural  Doctrine) എന്ന ആശയം ശാസ്ത്രലോകം  ശരിവച്ചു.

കാലചക്രം

• 1943 - McCulloch-Pitts Neuron :  Neuron-ന്റെ  വളരെ ലളിതമായ മോഡൽ . ഒന്നിലധികം ഘടകങ്ങൾ കണക്കിലെടുത്ത് ഒരു തീരുമാനത്തിലേക്ക് എത്തിച്ചേരുകയാണ് ഇവിടെ . ഉദാ: പാരിസ്ഥിതിക സാഹചര്യങ്ങളും മറ്റും നോക്കി ഒരു യാത്ര തീരുമാനിക്കുന്നത് പോലെ.
• 1956 - Perceptron : ഇവക്ക് സ്വന്തമായി കാര്യങ്ങൾ മനസ്സിലാക്കാനുള്ള ശേഷി ഉണ്ട് . ഉദാ : ഒരു ഭാഷയിൽ നിന്നും മറ്റൊരു ഭാഷയിലേക്ക് വിവർത്തനം  (Translate) ചെയ്യുന്നത്. 
• 
  
• 1967 - Multilayer Perceptron : Perceptron ന്റെ ചില പരിമിതികളെ തരണം ചെയ്യുന്ന മോഡൽ . ഉദാ: XOR പോലുള്ള functions single layer perceptron ഉപയോഗിച്ച് model  ചെയ്യാൻ പറ്റില്ല .
• 1986 - Back Propogation : 
• 1986 - Gradient Descent :
• 1989 - Universal Apprx. Theorem : ഏതൊരു Machine Learning problem വും Deep neural network ഉപയോഗിച്ച് പരിഹരിക്കാൻ സാധിക്കും.

തുടരും...