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
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.
Ce navigateur bloque les cookies pour learn.floati.life, donc les leçons que tu as terminées ici ne peuvent pas s'ouvrir dans l'ordre. Autorise les cookies pour ce site et recharge la page.