همینجا در مرورگر خود با یک شبکه عصبی سرهم کنید.
نگران نباشید، نمی توانید آن را بشکنید. ما قول می دهیم.

اوم، شبکه عصبی چیست؟

این یک تکنیک برای ساختن یک برنامه کامپیوتری است که از داده ها یاد می گیرد. این بسیار ضعیف بر اساس نحوه عملکرد مغز انسان است. ابتدا مجموعه‌ای از نرم‌افزارهای «نرون‌ها» ایجاد شده و به یکدیگر متصل می‌شوند و به آن‌ها اجازه می‌دهند پیام‌هایی را برای یکدیگر ارسال کنند. در مرحله بعد، از شبکه خواسته می شود تا مشکلی را حل کند، که تلاش می کند بارها و بارها انجام دهد و هر بار ارتباطاتی را که منجر به موفقیت می شود تقویت می کند و آنهایی را که منجر به شکست می شود کاهش می دهد. برای معرفی دقیق‌تر شبکه‌های عصبی، شبکه‌های عصبی و یادگیری عمیق مایکل نیلسن مکان خوبی برای شروع است. برای یک نمای کلی فنی بیشتر، Deep Learning توسط Ian Goodfellow، Yoshua Bengio و Aaron Courville را امتحان کنید.

این جالب است، آیا می توانم آن را تغییر دهم؟

لطفا انجام دهید! ما آن را در GitHub منبع باز قرار داده ایم با این امید که بتواند شبکه های عصبی را کمی در دسترس تر و یادگیری آسان تر کند. شما آزاد هستید که از آن به هر طریقی که از مجوز آپاچی ما پیروی می کند استفاده کنید. و اگر پیشنهادی برای اضافه یا تغییر دارید، لطفاً به ما اطلاع دهید .

ما همچنین برخی از کنترل‌ها را در زیر ارائه کرده‌ایم تا بتوانید زمین بازی را برای موضوع یا درس خاصی تنظیم کنید. فقط انتخاب کنید که کدام ویژگی‌ها می‌خواهید در زیر قابل مشاهده باشند، سپس این پیوند را ذخیره کنید یا صفحه را بازخوانی کنید.

همه رنگ ها به چه معنا هستند؟

نارنجی و آبی در طول تجسم به روش های کمی متفاوت استفاده می شوند، اما به طور کلی نارنجی مقادیر منفی را نشان می دهد در حالی که آبی مقادیر مثبت را نشان می دهد.

نقاط داده (که با دایره های کوچک نشان داده می شوند) در ابتدا به رنگ نارنجی یا آبی هستند که با یک مثبت و یک منفی مطابقت دارد.

در لایه های پنهان، خطوط با وزن اتصالات بین نورون ها رنگ می شوند. آبی یک وزن مثبت را نشان می دهد، به این معنی که شبکه از خروجی نورون استفاده می کند. یک خط نارنجی نشان می دهد که شبکه وزن منفی تعیین می کند.

در لایه خروجی، نقاط بسته به مقادیر اصلی، نارنجی یا آبی رنگ می شوند. رنگ پس زمینه نشان می دهد که شبکه چه چیزی را برای یک منطقه خاص پیش بینی می کند. شدت رنگ نشان می دهد که این پیش بینی چقدر مطمئن است.

از چه کتابخانه ای استفاده می کنید؟

ما یک کتابخانه شبکه عصبی کوچک نوشتیم که نیازهای این تجسم آموزشی را برآورده می کند. برای کاربردهای دنیای واقعی، کتابخانه TensorFlow را در نظر بگیرید.

اعتبارات

این توسط دانیل اسمیلکوف و شان کارتر ساخته شده است. این ادامه کار قبلی بسیاری از افراد است - به ویژه نسخه ی نمایشی convnet.js Andrej Karpathy و مقالات Chris Olah درباره شبکه های عصبی. همچنین از D. Sculley برای کمک به ایده اصلی و از فرناندا ویگاس و مارتین واتنبرگ و بقیه تیم های Big Picture و Google Brain برای بازخورد و راهنمایی بسیار سپاسگزاریم.