Apa itu Jaringan Neural?
Ini adalah teknik untuk membangun program komputer yang belajar dari data. Sistem ini didasarkan sangat longgar pada cara kerja otak manusia. Pertama, kumpulan “neuron” software dibuat dan dihubungkan, memungkinkannya untuk saling mengirim pesan. Selanjutnya, jaringan diminta untuk memecahkan masalah, yang coba dilakukan berulang kali, setiap kali memperkuat koneksi yang mengarah pada kesuksesan dan mengurangi koneksi yang mengarah pada kegagalan. Untuk pengantar yang lebih mendetail tentang jaringan neural, Neural Networks and Deep Learning dari Michael Nielsen adalah tempat yang tepat untuk memulai. Untuk ringkasan teknis lebih lanjut, coba Deep Learning oleh Ian Goodfellow, Yoshua Bengio, dan Aaron Courville.
Keren, Bolehkah Saya Modifikasi?
Silakan! Kami telah membuatnya menjadi open source di GitHub dengan harapan dapat membuat jaringan neural sedikit lebih mudah diakses dan dipelajari. Anda bebas menggunakannya selama mematuhi Lisensi Apache kami. Dan jika Anda memiliki saran untuk penambahan atau perubahan, harap beri tahu kami.
Kami juga telah menyediakan beberapa kontrol di bawah agar Anda dapat menyesuaikan playground dengan topik atau pelajaran tertentu. Cukup pilih fitur yang ingin Anda lihat di bawah, lalu simpan , atau muat ulang halaman.
Apa Arti Semua Warna?
Oranye dan biru digunakan seluruh visualisasi dengan cara yang sedikit berbeda, tetapi secara umum oranye menunjukkan nilai negatif sementara biru menunjukkan nilai positif.
Titik-titik data (diwakili oleh lingkaran kecil) awalnya berwarna oranye atau biru, sesuai dengan nilai positif dan negatif.
Di lapisan tersembunyi, garis-garis ini diberi warna sesuai dengan bobot hubungan antar neuron. Biru menunjukkan bobot positif, yang berarti jaringan menggunakan output neuron tersebut seperti yang diberikan. Garis oranye menunjukkan bahwa jaringan menetapkan bobot negatif.
Di lapisan output, titik-titik tersebut diberi warna oranye atau biru, tergantung nilai aslinya. Warna latar belakang menunjukkan prediksi jaringan untuk area tertentu. Intensitas warna menunjukkan seberapa yakin prediksi tersebut.
Library Apa yang Anda Gunakan?
Kami menulis library jaringan neural kecil yang memenuhi permintaan visualisasi pendidikan ini. Untuk penerapan di dunia nyata, pertimbangkan TensorFlow.
Kredit
Ini dibuat oleh Daniel Smilkov dan Shan Carter. Ini adalah kelanjutan dari karya banyak orang sebelumnya — terutama demo convnet.js dari Andrej Karpathy dan artikel Chris Olah tentang jaringan neural. Terima kasih banyak kepada D. Sculley untuk meminta bantuan ide orisinal, dan kepada Fernanda Viégas, Martin Wattenberg, dan seluruh Big Picture dan Google Brain atas masukan dan panduan.