| Тест | Вход 1 | Вход 2 | Вход 3 | Выход |
|---|---|---|---|---|
| 0 | 0 | 0 | 0 | |
| 0 | 0 | 1 | 1 | |
| 0 | 1 | 0 | 1 | |
| 0 | 1 | 1 | 0 | |
| 1 | 0 | 0 | 1 | |
| 1 | 0 | 1 | 0 | |
| 1 | 1 | 0 | 0 | |
| 1 | 1 | 1 | 1 |
Здесь вы сможете познакомиться с онлайн визуализацией работы персептрона - искусственной нейронной сети.
Вам доступны три типа демонстраций:
решение проблемы XOR,
построение функции приближения
и распознавание образов.
Вы можете изменить некоторые параметры выполнения и режимы скорости.
Для начала следует выбрать из выпадающего списка интересующую вас демонстрацию. Затем следует указать режим окончания обучения. Есть два варианта — по точности (величина ошибки) и по количеству шагов обучения. Обучение начинается по нажатию на кнопку «тренировать». Для сброса всех данных (начать обучение сначала), нажмите кнопку «инициализация». Когда обучение будет закончено, можно провести переобучение — «перетренировать».
Вы можете изменить количество нейронов для каждого промежуточного слоя. Пожалуйста, введите значения, разделенные запятыми. Например, «2, 3» указывает, что 1-й слой содержит два нейрона, второй слой — 3. Вы можете увеличивать число слоев, добавляя через запятую число нейронов в новом слое.
Замечание. Если вы введете слишком много слоев и нейронов, то ваш браузер может зависнуть. Поэтому не увлекайтесь.
Если Вы изучаете нейронные сети, то вы знаете, что это за параметр. Он влияет и на точность получаемого результата, и на скорость обучения.
Эти условия указывают, когда будет завершено обучение. Тут надо экспериментировать в зависимости от целей обучения. Если Вы зададите конкретное число шагов, то обучение гарантированно остановится после прохождения указанного числа циклов обучения. Указывая определенную точность, можно надолго запустить процесс обучения и даже не получить требуемой точности никогда для определенного сочетания параметров системы.
Вы можете регулировать скорость визуализации от минимальной до максимальной. Минимальная подходит, если вам надо показать, как идет процесс обучения. Но, чтобы реально обучить систему и получать результат с заданной точностью, лучше устанавливать максимальную скорость.
3 входа + логика XOR
Эта демонстрация показывает обучение сети для трех входящих сигналов в логику XOR (исключающее или). При нажатии на кнопку в таблице «Тест», вы сможете проверить выход. Сравнивайте выход до обучения и выход после обучения.
Эта демонстрация показывает обучение сети для получения аппроксимации функции. Пожалуйста, укажите вид функции для аппроксимации. Красная кривая представляет собой результат обучения.
Это моделирование распознавания символов. Здесь показано обучение нейронной сети для распознавания цифр от 0 до 9. Нажмите на панели интересующую вас цифру. Числовое значение можно получить по нажатию кнопки «распознать». Попробуйте распознать цифру без обучения и после обучения.
Замечание. Используйте демонстрацию на достаточно широком экране (больше 1310px). Для мобильных устройств визуализация может не работать.