Playground Jaringan Neural

Tinker Dengan Jaringan Neural Di Sini di Browser Anda.
Jangan Khawatir, Anda Tidak Bisa Merusaknya. Kami Janji.

Iterasi pelatihan

Data

Kumpulan data mana yang ingin Anda gunakan?

Fitur

Properti mana yang ingin Anda masukkan feed?

Klik di mana saja untuk mengedit.
Bobot/Bias adalah 0,2.
Ini adalah keluaran dari satu neuron. Arahkan kursor untuk memperbesar.
Keluaran digabungkan dengan berbagai bobot, yang ditunjukkan berdasarkan ketebalan garis.

Lapisan tersembunyi

Keluaran

Kerugian pengujian
Kerugian pelatihan
Warna menunjukkan nilai bobot, neuron, dan data.

Apa itu Jaringan Neural?

Jaringan neural adalah teknik untuk membuat program komputer yang belajar dari data. Jaringan Neural didasarkan secara lepas dari cara kita memandang bagaimana otak manusia bekerja. Pertama, sekumpulan “neuron” software dibuat dan dihubungkan, memungkinkan neuron tersebut untuk mengirimkan pesan satu sama lain. Selanjutnya, jaringan tersebut diminta untuk memecahkan masalah, yang akan dicobanya berulang kali. Percobaan yang berhasil akan memperkuat hubungan dalam jaringan, dan percobaan yang gagal akan melemahkannya. Untuk mempelajari pengantar jaringan neural secara lebih detail, sebaiknya mulai dari Neural Networks and Deep Learning oleh Michael Nielsen. Untuk ringkasan yang sifatnya lebih teknis, coba pelajari Deep Learning oleh Ian Goodfellow, Yoshua Bengio, dan Aaron Courville.

Keren, Bolehkah Saya Mengubah Kegunaannya?

Silakan! Kami telah membuatnya menjadi open source di GitHub dengan harapan dapat membuat jaringan neural sedikit lebih mudah diakses serta dipelajari. Anda bebas menggunakannya selama mematuhi Lisensi Apache kami. Dan jika Anda merasa ada yang perlu diubah atau ditambahkan, harap beri tahu kami.

Kami juga telah menyediakan beberapa kontrol di bawah agar Anda dapat menyesuaikan playground dengan topik atau pelajaran tertentu. Cukup pilih fitur mana yang ingin Anda munculkan di bawah, lalu simpan link ini, atau muat ulang halaman.

Apa Arti dari Semua Warna itu?

Oranye dan biru digunakan sebagai visualisasi dengan cara yang sedikit berbeda, namun secara umum, oranye menunjukkan nilai negatif, sementara biru menunjukkan nilai positif.

Titik data (direpresentasikan oleh lingkaran kecil) awalnya diwarnai oranye atau biru, sesuai dengan nilai positif dan negatif.

Di lapisan tersembunyi, garis ini diberi warna sesuai dengan bobot hubungan antarneuron. Biru menunjukkan bobot positif, artinya jaringan menggunakan keluaran neuron tersebut. Garis oranye menunjukkan bahwa jaringan menetapkan bobot negatif.

Di lapisan keluaran, titik tersebut diberi warna oranye atau biru, tergantung nilai aslinya. Warna latar belakang menunjukkan prediksi jaringan untuk area tertentu. Intensitas warna menunjukkan tingkat akurasi prediksi tersebut.

Library Apa yang Anda Gunakan?

Kami menulis library jaringan neuron kecil yang memenuhi permintaan visualisasi edukatif ini. Untuk aplikasi di dunia nyata, pertimbangkan library TensorFlow.

Kredit

Artikel ini dibuat oleh Daniel Smilkov dan Shan Carter. Ini adalah kelanjutan dari karya banyak orang sebelumnya — terutama demo convnet.js dari Andrej Karpathy dan artikel Chris Olah tentang jaringan neural. Terima kasih banyak juga kepada D. Sculley atas bantuan gagasan orisinalnya, serta kepada Fernanda Viégas, Martin Wattenberg, dan seluruh tim Big Picture serta Google Brain atas masukan dan bimbingannya.