ニューラル ネットワークとは
データから学習するコンピュータ プログラムを構築するための手法です。人間の脳の仕組みに大きく依存しています。まず、ソフトウェアの「ニューロン」の集合が作成され、相互に接続され、互いにメッセージを送信できるようにします。次に、ネットワークは問題を解決するよう求められ、成功につながるつながりを強化し、失敗につながるつながりを減らすたびに、その問題を繰り返し試みます。ニューラル ネットワークについてより詳しく知りたい場合は、Michael Nielsen による「Neural Networks and Deep Learning」を受講することをおすすめします。技術的な概要については、Ian Goodfellow、Yoshua Bengio、Aaron Courville によるディープ ラーニングをお試しください。
再利用できる機能
お願い！ニューラル ネットワークをもう少し利用しやすく、より簡単に習得できるよう、GitHub でオープンソース化しました。Google の Apache License に沿って、どのような方法でも自由に使用できます。追加や変更についてご意見がございましたら、ぜひお知らせください。
また、特定のトピックやレッスンに合わせてプレイグラウンドを調整できるコントロールもいくつか用意されています。表示する機能を以下から選択してを保存するか、ページを更新してください。
すべての色の意味
オレンジ色と青色は、可視化全体を通して若干異なる方法で使用されますが、一般的に、オレンジ色は負の値を示し、青色は正の値を示します。
データポイント（小さな円で表される）は初期設定ではオレンジ色または青色になっています。これは正と負に対応します。
隠れ層では、ニューロン間の接続の重みによって線の色が変化します。青色は正の重みを示しています。これは、ネットワークがニューロンの出力をそのまま使用していることを意味します。オレンジ色の線は、ネットワークが負の重みを受けていることを示しています。
出力レイヤでは、元の値に応じてドットがオレンジ色または青色になります。背景色は、ネットワークが特定エリアについて予測している内容を示します。色の濃度は、予測の信頼度を示します。
どのライブラリを使用していますか？
小規模なニューラル ネットワークのライブラリを作成しました。 ニーズを満たすことができます実際のアプリケーションでは、 TensorFlow ライブラリ:
クレジット
Daniel Smilkov と Shan Carter によって作成されました。 これは、多くの人が行ってきた過去の取り組みの延長線上にあるものです。特に注目すべきは Andrej Karpathy の convnet.js デモです。 および Chris Olah によるニューラル ネットワークに関する記事をご覧ください。 D にも感謝します。原案の参考にし、フェルナンダ ビエガス、マーティン ワッテンベルグ、そして他のメンバーに 全体像チームと Google Brain チームがフィードバックとガイダンスを提供します。