Una capa oculta resuelve XOR
Por qué importa Este es el momento en que la profundidad se gana el sueldo: dos neuronas en una capa intermedia doblan el espacio para que una recta pueda terminar el trabajo.
Míralo
Reproduce la animación. Cada una de las dos neuronas ocultas traza su propia recta. La neurona 1 se activa con "al menos una entrada vale 1" (un OR). La neurona 2 se activa con "las dos valen 1" (un AND). En términos de esas dos características nuevas, XOR es solo "OR pero no AND": la neurona de salida calcula h1 menos h2.
Números diminutos
Usa una activación escalón (1 si el total está por encima de 0, si no 0). h1 = step(x1 + x2 - 0.5) es OR. h2 = step(x1 + x2 - 1.5) es AND. Salida = step(h1 - h2 - 0.5). Comprueba (1,1): h1 = 1, h2 = 1, salida step(-0.5) = 0. Correcto.
Capa oculta: una capa entre la entrada y la salida cuyas neuronas construyen características nuevas que la capa siguiente puede usar.
Resumen Cada capa vuelve a describir los datos para que el trabajo de la siguiente sea más fácil.
Palabras y símbolos de esta lección
- neurona
- w . x + b, y luego una activación
- pesos (w, W), sesgo (b)
- los números que aprende una neurona; el sesgo desplaza su salida
- capa oculta
- una capa entre la entrada y la salida que construye características nuevas
Pon los pesos W1 (2 por 2), b1 (2), w2 (2) y b2 de una red de dos capas con activaciones escalón para que forward(X) acierte los cuatro puntos de XOR. Usa tus propios números o los de arriba.
¿Has visto un problema en esta lección? Avísanos · Preguntar sobre esta lección
Este ejercicio se abre pronto
Termina la lección anterior y esta se desbloquea. Todo el curso es gratis, no hace falta cuenta, y puedes leer esta lección ahora mismo.
Este navegador está bloqueando las cookies de learn.floati.life, así que las lecciones que terminaste aquí no se pueden abrir en orden. Permite las cookies de este sitio y recarga.