Lapisan tersembunyi menyelesaikan XOR
Kenapa ini penting Inilah saat kedalaman memberikan manfaatnya: dua neuron di lapisan tengah melengkungkan ruang sehingga satu garis bisa menyelesaikan tugasnya.
Lihat sendiri
Mainkan animasinya. Dua neuron tersembunyi masing-masing menggambar garis mereka sendiri. Neuron 1 aktif untuk "setidaknya satu input adalah 1" (sebuah OR). Neuron 2 aktif untuk "keduanya adalah 1" (sebuah AND). Dalam hal dua fitur baru tersebut, XOR hanyalah "OR tapi bukan AND": neuron output menghitung h1 dikurangi h2.
Angka kecil
Gunakan aktivasi step (1 jika total di atas 0, jika tidak 0). h1 = step(x1 + x2 - 0.5) adalah OR. h2 = step(x1 + x2 - 1.5) adalah AND. Output = step(h1 - h2 - 0.5). Cek (1,1): h1 = 1, h2 = 1, output step(-0.5) = 0. Benar.
Hidden layer: lapisan antara input dan output yang neuronnya membangun fitur baru untuk digunakan lapisan berikutnya.
Ringkasan Setiap lapisan mendeskripsikan ulang data agar tugas lapisan berikutnya lebih mudah.
Kata dan simbol di pelajaran ini
- neuron
- w . x + b, lalu sebuah activation
- bobot (w, W), bias (b)
- angka yang dipelajari neuron; bias menggeser outputnya
- lapisan tersembunyi
- lapisan antara input dan output yang membangun fitur baru
Atur bobot W1 (2 by 2), b1 (2), w2 (2) dan b2 dari jaringan dua lapis dengan aktivasi step supaya forward(X) mendapatkan semua empat titik XOR dengan benar. Gunakan angka buatanmu sendiri atau angka di atas.
Ada masalah di pelajaran ini? Laporkan · Tanya tentang pelajaran ini
Latihan ini akan segera dibuka
Selesaikan pelajaran sebelumnya agar pelajaran ini terbuka. Seluruh kursus ini gratis, tidak butuh akun, dan kamu bisa baca pelajaran ini sekarang.
Browser ini memblokir cookie untuk learn.floati.life, jadi pelajaran yang sudah kamu selesaikan di sini tidak bisa dibuka berurutan. Izinkan cookie untuk situs ini dan muat ulang.