Eine verborgene Schicht löst XOR
Warum das wichtig ist Dies ist der Moment, in dem Tiefe ihren Nutzen zeigt: zwei Neuronen in einer mittleren Schicht krümmen den Raum, damit eine Linie die Arbeit abschließen kann.
Sieh es dir an
Spiele die Animation ab. Zwei versteckte Neuronen zeichnen jeweils ihre eigene Linie. Neuron 1 feuert für "mindestens ein Input ist 1" (ein OR). Neuron 2 feuert für "beide sind 1" (ein AND). In Bezug auf diese zwei neuen Features ist XOR einfach "OR aber nicht AND": das Output-Neuron berechnet h1 minus h2.
Kleine Zahlen
Nutze eine Schrittaktivierung (1 wenn die Summe über 0 liegt, sonst 0). h1 = step(x1 + x2 - 0.5) ist OR. h2 = step(x1 + x2 - 1.5) ist AND. Output = step(h1 - h2 - 0.5). Prüfe (1,1): h1 = 1, h2 = 1, output step(-0.5) = 0. Richtig.
Hidden layer: eine Schicht zwischen Eingabe und Ausgabe, deren Neuronen neue Merkmale erstellen, die die nächste Schicht nutzen kann.
Zusammenfassung Jede Schicht beschreibt die Daten neu, damit die Aufgabe der nächsten Schicht einfacher wird.
Wörter und Symbole in dieser Lektion
- neuron
- w . x + b, dann eine Aktivierung
- weights (w, W), bias (b)
- die Zahlen, die ein Neuron lernt; der bias verschiebt seine Ausgabe
- versteckte Schicht
- a Schicht zwischen Input und Output, die neue Features erstellt
Stelle die Gewichte W1 (2 mal 2), b1 (2), w2 (2) und b2 eines zweischichtigen Netzwerks mit Step-Aktivierungen so ein, dass forward(X) alle vier XOR-Punkte richtig erhält. Benutze deine eigenen Zahlen oder die oben genannten.
Ein Problem in dieser Lektion entdeckt? Melde es · Frage zu dieser Lektion
Diese Übung öffnet bald
Beende die vorherige Lektion, damit diese freigeschaltet wird. Der ganze Kurs ist kostenlos, kein Konto erforderlich, und du kannst diese Lektion jetzt direkt lesen.
Dieser Browser blockiert Cookies für learn.floati.life, daher können hier beendigte Lektionen nicht in der richtigen Reihenfolge geöffnet werden. Erlaube Cookies für diese Seite und lade sie neu.