Як працює Нейронна Мережа
Інтерактивна симуляція, яка показує процес навчання штучної нейронної мережі та як вона приймає рішення
Інтерактивна Симуляція
Керування
Статистика
Як працює нейронна мережа?
🔬 Структура нейрона
Кожен нейрон отримує вхідні сигнали, множить їх на ваги, додає зміщення (bias) та застосовує функцію активації для створення вихідного сигналу.
output = activation_function(Σ(inputs × weights) + bias)
🎯 Функція активації
Функція активації вводить нелінійність в мережу, дозволяючи їй навчатися складні патерни. Найпоширеніші: ReLU, Sigmoid, Tanh.
ReLU(x) = max(0, x)
Sigmoid(x) = 1 / (1 + e^(-x))
📚 Процес навчання
1. Прямий прохід
Вхідні дані проходять через всі шари мережі, генеруючи прогноз.
2. Обчислення помилки
Порівнюється прогноз з реальним значенням для обчислення помилки.
3. Зворотне поширення
Градієнти обчислюються та ваги оновлюються для зменшення помилки.
⚡ Типи шарів
Вхідний шар
Отримує початкові дані та передає їх наступному шару
Приховані шари
Обробляють дані та виявляють складні патерни
Вихідний шар
Генерує фінальний результат або прогноз