Mạng nơron là gì?
Đó là một kỹ thuật để xây dựng một chương trình máy tính học từ dữ liệu. Nghiên cứu này dựa trên cách chúng ta nghĩ rằng bộ não con người hoạt động rất đơn giản. Trước tiên, một tập hợp các "nơ-ron" phần mềm được tạo ra và kết nối với nhau, cho phép chúng gửi thông báo cho nhau. Tiếp theo, mạng lưới được yêu cầu giải quyết một vấn đề mà mạng sẽ cố gắng làm đi làm lại, mỗi lần củng cố mối liên kết để dẫn đến thành công và giảm bớt những vấn đề dẫn đến thất bại. Để tìm hiểu chi tiết hơn về mạng nơron, bạn nên bắt đầu với ứng dụng Neural Networks and Deep Learning của Michael Nielsen. Để biết thêm thông tin tổng quan về mặt kỹ thuật, hãy thử tham khảo bài viết Deep Learning của Ian Goodfeelow, Yoshua Bengio và Aaron Courville.
Điều này thật tuyệt, tôi có thể sử dụng lại không?
Vui lòng thực hiện! Chúng tôi đã cung cấp nguồn mở trên GitHub với hy vọng nền tảng này có thể giúp các mạng nơron dễ tiếp cận và dễ học hơn. Bạn có thể sử dụng tài khoản này theo bất cứ cách nào tuân thủ Giấy phép Apache của chúng tôi. Ngoài ra, nếu bạn có đề xuất bổ sung hoặc thay đổi, vui lòng cho chúng tôi biết.
Chúng tôi cũng cung cấp một số chế độ kiểm soát bên dưới để giúp bạn điều chỉnh sân chơi cho phù hợp với một chủ đề hoặc bài học cụ thể. Chỉ cần chọn những tính năng bạn muốn hiển thị bên dưới, sau đó lưu hoặc làm mới trang.
Ý nghĩa của tất cả các màu sắc?
Màu cam và màu xanh dương được sử dụng xuyên suốt hình ảnh theo những cách hơi khác nhau, nhưng nhìn chung, màu cam biểu thị giá trị âm trong khi màu xanh dương biểu thị giá trị dương.
Điểm dữ liệu (được biểu thị bằng các vòng tròn nhỏ) ban đầu có màu cam hoặc xanh dương, tương ứng với giá trị dương và âm.
Trong các lớp ẩn, các đường được tô màu bằng trọng số của các kết nối giữa các nơron. Màu xanh dương cho thấy trọng số dương, có nghĩa là mạng đang sử dụng đầu ra của nơron đó theo như đã cho. Đường màu cam cho biết mạng đang dự đoán trọng số âm.
Trong lớp đầu ra, các dấu chấm có màu cam hoặc xanh dương tuỳ thuộc vào giá trị ban đầu. Màu nền cho biết mạng đang dự đoán những gì cho một khu vực cụ thể. Cường độ màu cho biết độ tin cậy của thông tin dự đoán.
Bạn đang dùng thư viện nào?
Chúng tôi đã viết một thư viện mạng nơron nhỏ nhắn đáp ứng các yêu cầu của hình ảnh giáo dục này. Đối với các ứng dụng thực tế, hãy cân nhắc Thư viện TensorFlow.
Ghi công
Trò chơi này do Daniel Smilkov và Shan Carter tạo ra. Đây là sản phẩm tiếp nối công việc trước đây của nhiều người — đáng chú ý nhất là bản trình diễn khủng long trên chrome của Andrej Karpathy và các bài viết của Chris Olah về mạng nơron. Đồng thời, D cũng rất cảm ơn D. Sculley để được giúp đỡ về ý tưởng ban đầu và gửi tới Fernanda Viégas, Martin Wattenberg và những người khác Nhóm Big Hình và Google Brain để đưa ra ý kiến phản hồi và hướng dẫn.