O que é uma rede neural?
É uma técnica para criar um programa de computador que aprende com os dados. Ela é vagamente baseada em como pensamos que o cérebro humano funciona. Primeiro, uma coleção de “neurônios” de software é criada e conectada entre si, permitindo o envio de mensagens entre si. Em seguida, a rede precisa resolver um problema, o que ela tenta fazer repetidamente, fortalecendo as conexões que levam ao sucesso e diminuindo as que levam ao fracasso. Para uma introdução mais detalhada às redes neurais, o artigo Neural Networks and Deep Learning (em inglês) de Michael Nielsen é um bom ponto de partida. Para uma visão geral mais técnica, experimente o Deep Learning de Ian Goodfellow, Yoshua Bengio e Aaron Courville.
Isso é legal. Posso reaproveitá-lo?
Por favor! Nós a abrimos no GitHub com a esperança de que possa tornar as redes neurais um pouco mais acessíveis e fáceis de aprender. Você pode usá-la como quiser, desde que siga nossa Licença Apache. Se você tiver alguma sugestão de adição ou alteração, entre em contato.
Também fornecemos alguns controles abaixo para permitir que você adapte o playground a um tópico ou lição específicos. Basta escolher quais recursos você quer exibir abaixo e salvar ou atualizar a página.
O que significam todas as cores?
Laranja e azul são usados em toda a visualização de maneiras ligeiramente diferentes, mas em geral laranja mostra valores negativos, enquanto azul mostra valores positivos.
Os pontos de dados (representados por círculos pequenos) são inicialmente coloridos em laranja ou azul, o que corresponde ao número um e negativo.
Nas camadas escondidas, as linhas são coloridas pelos pesos das conexões entre os neurônios. O azul mostra um peso positivo, o que significa que a rede está usando a saída do neurônio como fornecida. Uma linha laranja mostra que a rede está concedendo um peso negativo.
Na camada final, os pontos ficam laranja ou azul, dependendo dos valores originais. A cor do plano de fundo mostra o que a rede está prevendo para uma área em particular. A intensidade da cor mostra quão segura é a previsão.
Qual biblioteca você está usando?
Escrevemos uma pequena biblioteca de rede neural que atenda às demandas dessa visualização educacional. Para aplicações reais, considere o biblioteca do TensorFlow.
Créditos
Ele foi criado por Daniel Smilkov e Shan Carter. Esta é uma continuação do trabalho anterior de muitas pessoas, especialmente a demonstração convnet.js de Andrej Karpathy. e artigos de Chris Olah sobre redes neurais. Muito obrigado também a D. Sculley pela ajuda com a ideia original e a Fernanda Viégas, Martin Wattenberg e o restante da Big Picture e do Google Brain para receber feedback e orientação.