شبکهٔ عصبی

این شبیه‌سازی یک شبکهٔ عصبی واقعی سه-پنج-پنج-دو را نشان می‌دهد که گذر رو به جلو را انجام می‌دهد. هر نورون ورودی‌های وزن‌دارش را به‌علاوهٔ یک بایاس جمع می‌کند و سپس نتیجه را با تابع tanh فشرده می‌کند. دانش‌آموزان سه نوار لغزان ورودی را جابه‌جا می‌کنند و سیگنال‌ها را می‌بینند که عبور می‌کنند؛ اتصال‌های فیروزه‌ای برای وزن‌های مثبت و نارنجی برای وزن‌های منفی است، و رنگ و اندازهٔ نورون میزان فعال بودن آن را نشان می‌دهد. یک دکمه وزن‌ها را تصادفی می‌کند. وزن‌ها آموزش داده نشده‌اند، پس تمرکز روی این است که محاسبات دقیقاً چگونه انجام می‌شوند؛ این یک نگاه اول و آسان به چگونگی محاسبهٔ مدل‌های یادگیری ماشین است.

• ورودی x1، x2 و x3 را جابه‌جا کنید و ببینید خروجی y1 و خروجی y2 چگونه تغییر می‌کنند.
• رنگ اتصال‌ها را ببینید تا بفهمید کدام وزن‌ها مثبت و کدام منفی هستند.
• «تصادفی‌سازی وزن‌ها» را فشار دهید و ببینید چگونه ورودی‌های یکسان خروجی‌های متفاوت می‌دهند.
• هر سه ورودی را روی 0 بگذارید و ببینید خروجی‌ها و «میانگین فعالیت لایهٔ پنهان» چه تغییری می‌کنند.
• ورودی‌ها را تا حد نهایی ببرید و توجه کنید که چگونه فشرده‌سازی tanh مقادیر را بین −1 و 1 نگه می‌دارد.

1. 1یک نورون را به‌صورت جمع وزن‌دار به‌علاوهٔ بایاس توصیف کنید که از یک تابع فعال‌سازی عبور می‌کند.
2. 2مسیر حرکت اطلاعات به جلو، در لایه‌های یک شبکه را دنبال کنید.
3. 3توضیح دهید وزن‌های مثبت و منفی چه اثری بر یک سیگنال دارند.
4. 4تشخیص دهید که خروجی‌ها هم به ورودی‌ها و هم به وزن‌ها بستگی دارند.

پرسش‌هایی که معلم‌ها می‌پرسند