🧠 ANN Architecture - Neural Network की परतें (हिंदी में)

🔹 1. Input Layer

यह ANN का पहला हिस्सा होता है जहाँ raw data enter करता है। हर input feature का एक neuron होता है।

Example: अगर आपके पास 3 features हैं: age, salary, experience — तो input layer में 3 neurons होंगे।

🔸 2. Hidden Layers

Hidden layers वे middle layers होती हैं जहाँ वास्तविक learning होती है। इन layers में neurons inputs को process करते हैं, activate होते हैं और signal को आगे pass करते हैं।

महत्वपूर्ण बातें:

• Deep Learning models में कई hidden layers हो सकती हैं।
• हर hidden layer में activation functions का उपयोग होता है (जैसे ReLU, Sigmoid)।
• Weights और bias के माध्यम से learning होती है।

🔹 3. Output Layer

यह आखिरी layer होती है जो final prediction देती है। इसका structure आपके problem पर निर्भर करता है:

• Binary classification → 1 neuron (Sigmoid)
• Multi-class classification → n neurons (Softmax)
• Regression → 1 neuron (Linear)

🧮 ANN का Visual Representation

नीचे एक typical ANN architecture का simplified visualization है, जिसे HTML तालिका (table) के रूप में प्रस्तुत किया गया है: