Simpel Neuraal netwerk: Automatisch

We hebben nu de beschikking over een start en resetknop (linksboven) voor het automatisch trainen van het neurale netwerk. Bij het trainen worden de "weights" aangepast. Dat doet men door te kijken naar goed en fout geclassificeerde punten. We willen dat positieve punten als antwoord 1.0 geven en negatieve punten als antwoord -1.0. Men kijkt naar de fout die het neuraal netwerk maakt bij classificatie. Hoe groter de fout, hoe meer de gebruikte "weights" worden aangepast. Dit gaat volgens een ingewikkeld wiskundig proces dat buiten de vwo stof van wiskunde B valt. 

We hebben nu ook de beschikking tot 3 nieuwe datasets, namelijk:

• 2x2 schaakbordpatroon.
• Concentrische cirkels.
• Een spiraal.

We maken nu ook gebruik van de andere input-opties, namelijk: x², y², x keer y, sin(x) en sin(y). Je kunt deze opties aan en uit zetten door erop te klikken. Boven het diagram aan de rechterkant zie je de "training loss". Dit is de fout die het neurale netwerk maakt. Deze fout moet zo dicht mogelijk bij 0 komen. 

Opdracht

Beantwoord voor alle drie de nieuwe datasets de volgende vragen:

1. Lukt het om het neurale netwerk te trainen zodat het de punten correct classificeert?
2. Welke input-opties heb je minimaal nodig om dit voor elkaar te krijgen (experimenteer hiermee).
3. Als het gelukt is om het neurale netwerk te trainen, verklaar dan met behulp van wiskunde, waarom de input die je gebruikt de gewenste werking heeft.