Ähm, was ist ein neuronales Netzwerk?
Es ist eine Technik zur Entwicklung eines Computerprogramms, das aus Daten lernt. Sie basiert sehr lose darauf, wie wir glauben, dass das menschliche Gehirn funktioniert. Zunächst wird eine Sammlung von künstlichen „Neuronen“ erstellt und miteinander verbunden, so dass sie sich gegenseitig Nachrichten senden können. Dann wird das Netzwerk aufgefordert, ein Problem zu lösen, was es immer wieder versucht, wobei jedes Mal die Verbindungen, die zum Erfolg führen, verstärkt und die, die zum Misserfolg führen, abgebaut werden. Für eine detailliertere Einführung zu Neuronalen Netzwerken ist Neural Networks and Deep Learning von Michael Nielsen ein guter Anfang. Für einen technischen Überblick, versuche Deep Learning von Ian Goodfellow, Yoshua Bengio, und Aaron Courville.
Was bedeuten die verschiedenen Farben?
Orange und Blau werden in der Visualisierung auf leicht unterschiedliche Weise verwendet, aber im Allgemeinen zeigt Orange negative Werte an, während Blau positive Werte anzeigt.
Die Datenpunkte (dargestellt durch kleine Kreise) sind orange bzw. blau gefärbt, was einem positiven bzw. negativen Wert entspricht.
In den verborgenen Schichten sind die Linien durch die Gewichte der Verbindungen zwischen den Neuronen gefärbt. Blau zeigt ein positives Gewicht an, was bedeutet dass das Netz die Ausgabe des Neurons als gegeben ansieht. Eine orange Linie zeigt an, dass das Netz eine negative Gewichtung zuweist.
In der Ausgabeschicht sind die Punkte je nach ihren ursprünglichen Werten orange oder blau gefärbt. Die Hintergrundfarbe zeigt an, was das Netz für einen bestimmten Bereich vorhersagt. Die Intensität der Farbe zeigt an, wie sicher diese Vorhersage ist.
Welcher Code wird für das Neuronale Netzwerk benutzt?
Die Demonstration basiert auf einer einfachen Implementierung eines Neuronalen Netzwerks welches die Anforderungen für die Visualisierung erfüllt. Für wirkliche KI-Programme sollten Sie eher die TensorFlow oder PyTorch Bibliotheken verwenden.
Credits
Diese Demonstration wurde urspünglich von Daniel Smilkov and Shan Carter erstellt. Die Originalversion finden Sie hier als den Tensorflow Playground. Für diese Version wurde der Code teilweise angepasst, auf deutsch übersetzt und in einem didaktischen Kontext eingebettet.