Демонстрация онлайн обучения нейронной сети


Демонстрация онлайн обучения нейронной сети

Здесь вы сможете познакомиться с онлайн визуализацией работы простой 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. Эта визуализация будет полезна студентам и поможет в понимании процесса обучения нейронных сетей.

Как это использовать?

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».

Подробные сведения о параметрах

Число узлов скрытых слоев

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.

Скорость обучения

Если Вы изучаете нейронные сети, то вы знаете, что это за параметр. Он влияет и на точность получаемого результата, и на скорость обучения.

Условия остановки

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.

Скорость

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.

Список доступных демонстраций

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.

Аппроксимация функции

Эта демонстрация показывает обучение сети для получения аппроксимации функции. Пожалуйста, укажите вид функции для аппроксимации. Красная кривая представляет собой результат обучения.

Распознавание образов

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.


искусственные нейронные сети
Гость, оставишь комментарий?
Имя:*
E-Mail:


Свежее новое
  • Как искусственный интеллект помогает в изучении иностранного языка ?
  • Технологии стали неотъемлемой частью нашей жизни. Они развиваются так быстро, что люди не успевают за ними. Мы не можем отрицать его силу или
  • Mail.Ru Group запустили чемпионат по искусственному интеллекту Mini AI Cup #3!
  • На конец лета выпало событие, которое наверняка заинтересует многих любителей поразмышлять о будущем разумных машин. Неделю назад, 30 августа,
  • Искусственный интеллект против команды профессиональных геймеров в DOTA 2. Кто победит?
  • Искусственный интеллект уже подтвердил, что может легко расправится со своими соперниками людьми, играя с ними в шахматы, Го или покер. Как он
  • Обработку разведданных с дронов США поручат искусственному интеллекту
  • Как известно, большинство частных компаний избегают использовать свой потенциал при разработке систем искусственного интеллекта для оборонных целей.
Последние комментарии
Теория и Практика Технологической Сингулярности и Искусственного Интеллекта
На сегодня развитие IT в США значительно опережает состояние в России, где нет своего компьютера, нет своей операционной системы, нет своей
Как работает Любовь? Квантовая связь нейронной активности Людей
про квантовые коммуникации прочитал - интересно. Спасибо. Про любовь - не увидел. Жалко.
Топ 10 компаний, занимающихся разработкой искусственного интеллекта
Спасибо, перечень интересный, но знакомый. Единая проблема всех ИИ-разработчиков - не понимание того, что сознание - это не статистика, а пойти по
Теория и Практика Технологической Сингулярности и Искусственного Интеллекта
Технологическая сингулярность по мнению Вернора Винджа будет развиваться следующим образом: 1. Компьютеры обретут сознание, и возникнет мощный ИИ; 2.
Теория и Практика Технологической Сингулярности и Искусственного Интеллекта
Может ли технологическая сингулярность, т.е. взрывное ускорение научно-технического прогресса, появиться только в России или необходимо, чтобы она
Мы в социальных сетях
Статистика
0  
Всего статей 1511
0  
Всего комментариев 48
0  
Пользователей 47