Czym jest sieć neuronowa?
To technika tworzenia programu komputerowego, który uczy się na podstawie danych. Bazuje na tym, jak według nas działa ludzki mózg. Po pierwsze, tworzy się zbiór „neuronów” programowych, które są ze sobą połączone, co umożliwia im wysyłanie wiadomości do siebie nawzajem. Następnie sieć ma za zadanie rozwiązać problem, który stara się rozwiązywać w kółko, za każdym razem wzmacniając połączenia prowadzące do sukcesu i eliminując te, które prowadzą do niepowodzenia. Bardziej szczegółowe informacje na temat sieci neuronowych można znaleźć w opracowaniu Michaela Nielsena: Neural Networks and Deep Learning (sieci neuronowe i deep learning). Jeśli szukasz informacji technicznych, wypróbuj Deep Learning Iana Goodfellowa, Yoshuy Bengio i Aarona Courville'a.
Ten film jest fajny, czy mogę go ponownie wykorzystać?
Bardzo proszę. Udostępniliśmy je w serwisie GitHub. Mamy nadzieję, że dzięki temu sieci neuronowe staną się bardziej dostępne i łatwiejsze do opanowania. Możesz używać jej w sposób zgodny z naszą licencją Apache. Jeśli masz sugestie dotyczące dodatków lub zmian, daj nam znać.
Poniżej znajdziesz dodatkowe ustawienia, które pozwolą Ci dostosować plac zabaw do konkretnego tematu lub lekcji. Wybierz funkcje, które mają być widoczne poniżej, i zapisz lub odśwież stronę.
Co oznaczają wszystkie kolory?
Pomarańczowy i niebieski są używane w wizualizacjach na różne sposoby, ale ogólnie kolor pomarańczowy to wartości ujemne, a niebieski – wartości dodatnie.
Punkty danych (reprezentowane przez małe okręgi) mają początkowo kolor pomarańczowy lub niebieski, który odpowiada wartości dodatniej i ujemnej.
W ukrytych warstwach linie są kolorowane przez ciężar połączeń między neuronami. Niebieski oznacza wagę dodatnią, co oznacza, że sieć wykorzystuje dane wyjściowe neuronu zgodnie z podaną wartością. Pomarańczowa linia oznacza, że sieć przypisuje wagę ujemną.
W warstwie wyjściowej kropki mają kolor pomarańczowy lub niebieski w zależności od ich pierwotnych wartości. Kolor tła pokazuje prognozy sieci dla danego obszaru. Intensywność koloru pokazuje, jak pewna jest prognoza.
Z jakiej biblioteki korzystasz?
Stworzyliśmy małą bibliotekę sieci neuronowych który spełnia wymagania tej wizualizacji edukacyjnej. W rzeczywistych zastosowaniach weź pod uwagę TensorFlow.
Środki
Został on stworzony przez Daniela Smilkova i Shan Carter. Jest to kontynuacja prac wielu osób, a przede wszystkim demonstracja biblioteki Convnet.js Andreja Karpathy'ego. oraz artykuły Chrisa Olaha o sieciach neuronowych. Dziękujemy również D. Sculleya za pomoc w opracowaniu oryginalnego pomysłu, a także do Fernandy Viégas i Martina Wattenberga oraz pozostałej części zespołów Big Picture i Google Brain, aby uzyskać opinie i wskazówki.