えーっと…ニューラル・ネットワークとは何ですか?
これは、データから学習するコンピューター プログラムを作成するための手法です。人間の脳の働きについて私たちが考える方法に非常に大まかに基づいています。 まず、ソフトウェアの「ニューロン」の集合が作成され、相互に接続されて、互いにメッセージを送信できるようになります。 次に、ネットワークに問題の解決が求められます。ネットワークはこれを何度も繰り返して試行し、そのたびに成功につながる接続を強化し、失敗につながる接続を減らします。 ニューラル ネットワークのより詳細な入門書として、Michael Nielsen の「Neural Networks and Deep Learning」がお勧めです。 より技術的な概要については、Ian Goodfellow、Yoshua Bengio、Aaron Courville の「Deep Learning」をお読みください。
これは素晴らしいですね。再利用してもいいですか?
ぜひ再利用してください! ニューラル ネットワークをもう少し使いやすく、学習しやすくすることを期待して、GitHub でオープンソース化しました。Apache ライセンスに従う限り、自由に使用できます。追加や変更の提案があれば、お知らせください。追加や変更の提案があれば、お知らせください。
また、プレイグラウンドを特定のトピックやレッスンに合わせてカスタマイズできるように、以下のコントロールも用意しました。以下で表示したい機能を選択して、を保存するか、ページを更新してください。
色の意味は何ですか?
オレンジと青は、可視化全体でわずかに異なる方法で使用されていますが、一般的にオレンジは負の値を示し、青は正の値を示しています。
データ ポイント (小さな円で表されます) は、最初はオレンジまたは青で表示されています。これは正の 1 と負の 1 に対応します。
隠されたレイヤーでは、線はニューロン間の接続の重みによって色分けされています。青は正の重みを示し、これはネットワークがニューロンの出力を与えられたとおりに使用していることを意味します。オレンジ色の線は、ネットワークが負の重みを割り当てていることを示します。
アウトプット・レイヤーでは、ドットは元の値に応じてオレンジまたは青で色分けされています。背景色は、ネットワークが特定の領域に対して何を予測しているかを示します。色の強度は、その予測の信頼性を示します。
どのライブラリを使用していますか?
教育用可視化の要求を満たす小規模なニューラル・ネットワーク・ライブラリを作成しました。 実際のアプリケーションでは TensorFlow ライブラリを検討してください。
クレジット
これは Daniel Smilkov と Shan Carter によって作成されました。これは、Andrej Karpathy の convnet.js デモや Chris Olah のニューラル ネットワークに関する記事など、多くの人々の以前の貢献の上に成り立っています。また、元のアイデアを支援してくれた D. Sculley、フィードバックとガイダンスを提供してくれた Fernanda Viégas と Martin Wattenberg、その他の Big Picture および Google Brain チームにも感謝します。