Réseau de neurones

Cette simulation montre un réseau de neurones réel trois-cinq-cinq-deux qui effectue une propagation avant. Chaque neurone additionne ses entrées pondérées et un biais, puis écrase le résultat avec la fonction tanh. Les élèves déplacent trois curseurs d'entrée et voient les signaux traverser le réseau : connexions cyan pour les poids positifs, orange pour les négatifs, et couleur et taille du neurone pour son activation. Un bouton randomise les poids. Les poids ne sont pas entraînés, l'accent est donc mis sur le fonctionnement du calcul, ce qui en fait une première approche accessible de la manière dont les modèles d'apprentissage automatique calculent.

• Déplacez Entrée x1, x2 et x3 et observez Sortie y1 et Sortie y2 changer.
• Observez les couleurs des connexions pour repérer les poids positifs et les poids négatifs.
• Appuyez sur Randomiser les poids et voyez comment les mêmes entrées donnent des sorties différentes.
• Réglez les trois entrées sur 0 et observez ce que deviennent les sorties et l'Activité moyenne des couches cachées.
• Poussez les entrées à leurs limites et remarquez comment la fonction tanh maintient les valeurs entre moins 1 et 1.

1. 1Décrivez un neurone comme une somme pondérée plus un biais, passée dans une fonction d'activation.
2. 2Suivez comment l'information se propage vers l'avant à travers les couches d'un réseau.
3. 3Expliquez ce que font les poids positifs et négatifs sur un signal.
4. 4Reconnaissez que les sorties dépendent à la fois des entrées et des poids.

Questions fréquentes des enseignants