سرفصل‌ها درس 43 از 246 · ماژول 3: از نورون تا MLP
ماژول 3: از نورون تا MLP

یک لایهٔ پنهان XOR را حل می‌کند

چرا مهم است این لحظه‌ای است که عمق ارزشش را نشان می‌دهد: دو نورون در یک لایهٔ میانی فضا را خم می‌کنند تا یک خط بتواند کار را تمام کند.

آن را ببینید

پویانمایی را پخش کنید. دو نورون پنهان هر کدام خط خودشان را می‌کشند. نورون 1 برای «دست‌کم یک ورودی 1 است» (یک OR) فعال می‌شود. نورون 2 برای «هر دو 1 هستند» (یک AND) فعال می‌شود. بر حسب این دو ویژگی تازه، XOR فقط «OR اما نه AND» است: نورون خروجی h1 منهای h2 را محاسبه می‌کند.

اعداد کوچک

از یک فعال‌سازی پله‌ای استفاده کنید (اگر مجموع بالای 0 است 1، وگرنه 0). h1 = step(x1 + x2 - 0.5) همان OR است. h2 = step(x1 + x2 - 1.5) همان AND است. خروجی = step(h1 - h2 - 0.5). (1,1) را بررسی کنید: h1 = 1، h2 = 1، خروجی step(-0.5) = 0. درست.

لایهٔ پنهان: لایه‌ای میان ورودی و خروجی که نورون‌هایش ویژگی‌های تازه‌ای می‌سازند که لایهٔ بعد می‌تواند به کار ببرد.

خلاصه هر لایه داده را دوباره توصیف می‌کند تا کار لایهٔ بعد آسان‌تر شود.

واژه‌ها و نمادهای این درس
نورون
w . x + b، سپس یک فعال‌سازی
وزن‌ها (w, W)، بایاس (b)
اعدادی که یک نورون یاد می‌گیرد؛ بایاس خروجی‌اش را جابه‌جا می‌کند
لایهٔ پنهان
لایه‌ای میان ورودی و خروجی که ویژگی‌های تازه می‌سازد
نوبت شما

وزن‌های W1 (2 در 2)، b1 (2)، w2 (2) و b2 یک شبکهٔ دولایه با فعال‌سازی‌های پله‌ای را طوری تنظیم کنید که forward(X) هر چهار نقطهٔ XOR را درست بگیرد. از اعداد خودتان یا اعداد بالا استفاده کنید.

مشکلی در این درس دیدید؟ گزارشش کنید · دربارهٔ این درس بپرسید

این تمرین به‌زودی باز می‌شود

درس پیش از آن را تمام کنید تا این یکی باز شود. کل دوره رایگان است، حساب کاربری لازم نیست، و می‌توانید همین الان این درس را بخوانید.