Una red totalmente conectada real aprendiendo a leer dígitos. Cada esfera es una neurona, cada línea es un peso. Haz clic en cualquier esfera para abrirla y ver su suma exacta; una línea brilla cuando activación anterior × su peso es grande.
∇-check pendiente…
época
0
muestras vistas
0
pérdida entrenamiento
—
precisión test
—
parámetros
—
estado
inactivo
hacia adelante · señal de activación
excitatorio (+ peso)
inhibitorio (− peso)
hacia atrás · gradiente de error
pulso de gradiente →
líneas = el modelo (pesos)
esferas = activaciones (por entrada)
arrastrar orbitar · scroll zoom · clic en esfera abrir
Durante el entrenamiento: conocido vs aprendido
INPUTvalores CONOCIDOS — los píxeles que introducimos
HIDDEN 1pesos DESCONOCIDOS — significado autodidacta · sin objetivo
HIDDEN 2pesos DESCONOCIDOS — significado autodidacta · sin objetivo
OUTPUTsignificado + objetivo CONOCIDOS · pesos DESCONOCIDOS
Cada cable es un peso = DESCONOCIDO; el entrenamiento resuelve los — en total. Diseñamos las capas, tamaños, activaciones & pérdida; obtenemos los pesos entrenados. Las capas ocultas no tienen clave de respuesta — solo la culpa enviada desde la salida.
Dentro de la neurona · la suma exacta
— elige una —¿Por qué brilla una línea? · el mecanismo
Cada cable lleva un número: la activación de la neurona anterior multiplicada por el peso de este cable (ai · wij). Un cable brilla cuando ese producto es grande — porque la neurona fuente se activa con fuerza, o el peso es grande, o ambos. Cálido = empuja el objetivo hacia arriba, frío = lo jala hacia abajo. Abre una neurona y pasa el cursor por sus barras para iluminar el cable exacto.
Supervisión · lo que se da
explorandola imagen siempre conocida
respuesta: —
predicción de la red: — —
pérdida: — (cuánto se equivoca)
corrección enviada hacia atrás
Cada imagen de entrenamiento llega emparejada con su respuesta correcta; la red ajusta sus pesos hacia ella. En exploración / prueba la respuesta se oculta — la red debe producirla sola.
Salida · las 10 neuronas de respuesta (softmax)
Las 10 neuronas de la última capa compiten; softmax convierte sus puntuaciones en probabilidades que suman 1.
Explorar & dibujar · introduce un dígito
Envía un dígito limpio o pinta uno (16×16 es el tamaño de entrada real de la red). El gráfico completo se vuelve a activar al instante.