シラバス レッスン 246 中 43 · モジュール 3:ニューロンから MLP へ
モジュール 3:ニューロンから MLP へ

隠れ層が XOR を解く

なぜ大切か ここで深さが真価を発揮します。真ん中の層の 2 つのニューロンが空間を曲げ、一本の直線が仕事を仕上げられるようにします。

見てみる

アニメーションを再生してください。2 つの隠れたニューロンが、それぞれ自分の直線を引きます。ニューロン 1 は「少なくともひとつの入力が 1」(OR)で発火します。ニューロン 2 は「両方が 1」(AND)で発火します。その 2 つの新しい特徴で言えば、XOR はただの「OR だが AND ではない」です:出力のニューロンは h1 引く h2 を計算します。

小さな数

ステップの活性化(合計が 0 を超えれば 1、そうでなければ 0)を使います。h1 = step(x1 + x2 - 0.5) は OR です。h2 = step(x1 + x2 - 1.5) は AND です。出力 = step(h1 - h2 - 0.5)。(1,1) を確かめます:h1 = 1、h2 = 1、出力 step(-0.5) = 0。正しいです。

隠れ層:入力と出力の間の層で、そのニューロンが次の層の使える新しい特徴を作ります。

まとめ それぞれの層がデータを言い直し、次の層の仕事を楽にします。

このレッスンの言葉と記号
ニューロン
w . x + b、それから活性化
重み (w, W)、バイアス (b)
ニューロンが学ぶ数。バイアスはその出力をずらす
隠れ層
入力と出力の間の、新しい特徴を作る層
あなたの番

ステップの活性化を持つ 2 層のネットワークの重み W1(2 × 2)、b1(2)、w2(2)、b2 を、forward(X) が XOR の 4 つの点すべてを正しくするよう設定してください。自分の数でも、上の数でも構いません。

このレッスンに問題を見つけましたか?報告する · このレッスンについて質問する

この演習はまもなく開きます

その前のレッスンを終えると、このレッスンが解放されます。コース全体が無料でアカウントも不要、このレッスンは今すぐ読めます。