¿Qué es una red neuronal?
Es una técnica para crear un programa informático que aprende de los datos. Se basa vagamente en cómo creemos que funciona el cerebro humano. Primero, se crea un conjunto de “neuronas” de software y se conectan entre sí, lo que les permite enviarse mensajes entre sí. A continuación, se le pide a la red que resuelva un problema, lo que intenta resolver una y otra vez, fortaleciendo las conexiones que conducen al éxito y disminuyendo las que conducen al fracaso. Para obtener una introducción más detallada a las redes neuronales, el libro Neural Networks and Deep Learning de Michael Nielsen es un buen punto de partida. Si quieres obtener una descripción general más técnica, prueba el Aprendizaje profundo de Ian Goodfellow, Yoshua Bengio y Aaron Courville.
Es genial, ¿puedo reutilizarlo?
¡Por favor! El código abierto está disponible en GitHub con la esperanza de que pueda hacer que las redes neuronales sean un poco más accesibles y fáciles de aprender. Puedes usarla de cualquier forma que cumpla con nuestra Licencia Apache. Además, si tienes sugerencias de incorporaciones o cambios, comunícate con nosotros.
También proporcionamos algunos controles a continuación para que puedas adaptar Playground a una lección o tema específicos. Simplemente elige qué funciones quieres que estén visibles a continuación y guarda o actualiza la página.
¿Qué significan todos los colores?
El naranja y el azul se usan a lo largo de la visualización de maneras ligeramente diferentes, pero, en general, el naranja muestra valores negativos mientras que el azul muestra valores positivos.
Los puntos de datos (representados por círculos pequeños) inicialmente son de color naranja o azul, lo que corresponde a uno positivo y a uno negativo.
En las capas ocultas, las líneas se colorean según los pesos de las conexiones entre neuronas. El azul muestra un peso positivo, lo que significa que la red está usando esa salida de la neurona como se indica. Una línea naranja muestra que la red está asignando una ponderación negativa.
En la capa del resultado, los puntos son de color naranja o azul según sus valores originales. El color de fondo muestra lo que predice la red para un área en particular. La intensidad del color muestra la confiabilidad de la predicción.
¿Qué biblioteca estás usando?
Escribimos una pequeña biblioteca de redes neuronales que cumpla con las demandas de esta visualización educativa. Para aplicaciones del mundo real, considera el TensorFlow.
Créditos
Esto fue creado por Daniel Smilkov y Shan Carter. Se trata de una continuación del trabajo previo de muchas personas, principalmente convnet.js demo de Andrej Karpathy. y los artículos de Chris Olah sobre redes neuronales. Muchas gracias también a D. Sculley por su ayuda con la idea original, y a Fernanda Viégas, Martin Wattenberg y el resto del a los equipos de Big Picture y Google Brain para recibir comentarios y orientación.