Хм, что такое нейронная сеть?
Это метод создания компьютерной программы, которая учится на данных. Оно во многом основано на том, как, по нашему мнению, работает человеческий мозг. Сначала создается набор программных «нейронов», которые соединяются вместе, что позволяет им отправлять сообщения друг другу. Затем сеть просят решить проблему, и она пытается это сделать снова и снова, каждый раз укрепляя связи, ведущие к успеху, и уменьшая те, которые ведут к неудаче. Для более детального ознакомления с нейронными сетями хорошим началом будет книга Майкла Нильсена «Нейронные сети и глубокое обучение» . Для получения более технического обзора попробуйте «Глубокое обучение» Яна Гудфеллоу, Йошуа Бенджио и Аарона Курвиля.
Это круто, могу ли я использовать это повторно?
Пожалуйста, сделайте! Мы разместили его в открытом доступе на GitHub в надежде, что он сделает нейронные сети более доступными и простыми в освоении. Вы можете использовать его любым способом, который соответствует нашей лицензии Apache . А если у вас есть какие-либо предложения по дополнениям или изменениям, пожалуйста, сообщите нам об этом .
Ниже мы также предоставили некоторые элементы управления, которые позволят вам адаптировать игровую площадку к конкретной теме или уроку. Просто выберите ниже, какие функции вы хотите, чтобы они были видны, затем сохраните или обновите страницу.
Что означают все цвета?
Оранжевый и синий используются в визуализации несколько по-разному, но обычно оранжевый показывает отрицательные значения, а синий — положительные.
Точки данных (представленные маленькими кружками) изначально окрашены в оранжевый или синий цвет, что соответствует положительному и отрицательному значению.
В скрытых слоях линии окрашены в цвета связей между нейронами. Синий показывает положительный вес, что означает, что сеть использует этот выходной сигнал нейрона как задано. Оранжевая линия показывает, что сеть присваивает отрицательный вес.
В выходном слое точки окрашены в оранжевый или синий цвет в зависимости от их исходных значений. Цвет фона показывает, что прогнозирует сеть для конкретной области. Интенсивность цвета показывает, насколько достоверен этот прогноз.
Какую библиотеку вы используете?
Мы написали крошечную библиотеку нейронных сетей, отвечающую требованиям этой образовательной визуализации. Для реальных приложений рассмотрите библиотеку TensorFlow .
Кредиты
Его создали Дэниел Смилков и Шан Картер. Это продолжение предыдущей работы многих людей — в первую очередь демо-версии convnet.js Андрея Карпати и статей Криса Олаха о нейронных сетях. Большое спасибо также Д. Скалли за помощь с оригинальной идеей, а также Фернанде Вьегас и Мартину Ваттенбергу, а также остальным членам команд Big Picture и Google Brain за отзывы и рекомендации.