Programme Leçon 43 sur 246 · Module 3 : Du neurone au MLP
Module 3 : Du neurone au MLP

Une couche cachée résout XOR

Pourquoi c'est important C'est le moment où la profondeur fait ses preuves : deux neurones dans une couche du milieu courbent l'espace pour qu'une seule ligne puisse finir le travail.

Vois-le

Lance l'animation. Deux neurones cachés tracent chacun leur propre ligne. Le neurone 1 s'active pour « au moins une entrée vaut 1 » (un OU). Le neurone 2 s'active pour « les deux valent 1 » (un ET). Avec ces deux nouvelles caractéristiques, XOR, c'est simplement « OU mais pas ET » : le neurone de sortie calcule h1 moins h2.

De tout petits nombres

Utilise une activation en marche (1 si le total est au-dessus de 0, sinon 0). h1 = step(x1 + x2 - 0.5), c'est OU. h2 = step(x1 + x2 - 1.5), c'est ET. Sortie = step(h1 - h2 - 0.5). Vérifie (1,1) : h1 = 1, h2 = 1, sortie step(-0.5) = 0. Juste.

Couche cachée : une couche entre l'entrée et la sortie dont les neurones construisent de nouvelles caractéristiques que la couche suivante peut utiliser.

Récap Chaque couche redécrit les données pour que le travail de la couche suivante soit plus facile.

Mots et symboles de cette leçon
neurone
w . x + b, puis une activation
poids (w, W), biais (b)
les nombres qu'un neurone apprend ; le biais décale sa sortie
couche cachée
une couche entre l'entrée et la sortie qui construit de nouvelles caractéristiques
À ton tour

Fixe les poids W1 (2 par 2), b1 (2), w2 (2) et b2 d'un réseau à deux couches avec des activations en marche pour que forward(X) réussisse les quatre points de XOR. Utilise tes propres nombres ou ceux ci-dessus.

Tu as repéré un problème dans cette leçon ? Signale-le · Pose une question sur cette leçon

Cet exercice s'ouvre bientôt

Termine la leçon précédente pour débloquer celle-ci. Tout le cours est gratuit, aucun compte n'est requis, et tu peux lire cette leçon dès maintenant.