Тренуйте нейронну мережу у реальному часі і спостерігайте за зворотним поширенням помилки. Від перцептрона до глибоких мереж — бачте, як навчання мінімізує функцію втрат.
Нейронна мережа — це шари з'єднаних вузлів. Прямий прохід обчислює передбачення. Зворотний прохід поширює помилку через ваги за похідними (метод градієнтного спуску). Тисячі повторень навчають мережу.
Виберіть набір даних (лінійний, XOR, коло, спіраль) та архітектуру (кількість шарів і нейронів). Спостерігайте за межею рішення і кривою навчання в реальному часі. Регулюйте швидкість навчання.
Метод зворотного поширення було опубліковано Раммельхартом, Хінтоном і Вільямсом у 1986 р. і залишається основою глибокого навчання і сьогодні. Хінтон, Лекун і Бенджіо отримали Премію Тьюрінга 2018 р.