Hierboven zie je een zeer simpel neuraal netwerk. Er is alleen maar input en output. Net als bij "is this a cat?" moet er iets geclassificeerd worden. In plaats van "kat" en "geen kat" hebben we nu positieve (blauw) en negatieve (oranje) punten. Het is de taak van het neurale netwerk om de punten correct te classificeren.
Je ziet aan de linkerkant een aantal input mogelijkheden. We weten van de punten alleen maar hun x en y coördinaat. Deze worden X1 en X2 genoemd. Zoals je links ook ziet, kun je van alles met deze coördinaten doen, maar nu hoeft dat nog niet. We nemen alleen de bovenste twee opties: X1 en X2.
Vraag: Waarom noemen ze de coördinaten niet gewoon x en y?
Antwoord: Bij het werken met neurale netwerken worden veel variabelen gebruikt. Een paar letters zijn dan niet meer genoeg. Vandaar dat experts ook nummeren.
De output aan de rechterkant is een oranje/blauwe gloed die aangeeft hoe de verschillende punten geclassificeerd worden. In eerste instantie gaat dat dus niet goed. De oranje achtergrond moet overeenkomen met de oranje punten en de blauwe achtergrond met de blauwe punten.
Je ziet ook twee lijnen lopen van de input (X1 en X2), naar de output. Deze lijnen geven aan wat er moet gebeuren met de x en y coördinaat die je als input gebruikt. Hoe dikker de lijnen, hoe zwaarder de input meeweegt.
De lijnen zijn dus wegingsfactoren ("weights"). De lijnen zijn blauw bij positieve wegingsfactor en oranje als de factor negatief is.
Voorbeeld:
Opdracht
Pas nu zelf de wegingsfactoren aan, zodat alle punten correct geclassificeerd worden. Je kunt dit doen door met de muis op de lijn te klikken en met het keyboard de weging aan te passen.
Lever je uiteindelijk gekozen wegingsfactoren in.