« Previous Next »

Hoe is een neuraal netwerk opgebouwd?

Schematisch ziet een neuraal netwerk er als volgt uit:

• Aan de linkerkant stop je er informatie in. Dit zijn de input-neuronen.
• De informatie wordt met wegingsfactoren ("weights") gecombineerd via verbindingen naar de volgende laag. Dit gaat op vergelijkbare manier als de manier waarop toetscijfers worden gemiddeld met wegingen. Het verschil is dat de wegingsfactoren in dit geval ook negatief kunnen zijn.
• De lagen in het midden zijn verborgen ("hidden layers"). De buitenwereld kan hier niet bij. De complexiteit van de patronen die herkend kunnen worden hangt af van het aantal hidden layers en de hoeveelheid verschillende soorten input.
• De output is het resultaat van het netwerk. In het geval van "isthisacat" is dit een resultaat een simpele "ja" of "nee". Dat kan met één enkel output-neuron. In dat geval betekent output= 1.0 "ja" en output = -1.0 "nee"  (bij een bereik tussen -1 en 1). In de praktijk zal het getal bijna nooit precies -1 of 1 zijn, maar worden bijvoorbeeld alle negatieve getallen als "nee" gezien. 

We zullen in de komende opdrachten met een simpel neuraal netwerk beginnen en die steeds verder uitbouwen. We gebruiken hiervoor https://playground.tensorflow.org/