- Sınıf +1
- Sınıf −1
- Yanlış sınıflandırılmış
- Karar sınırı
- Ağırlık vektörü w
- Cepteki doğru
| Ağırlık | Önce | Değişim | Sonra |
|---|
- Epok başına hatalar
- Cebin hataları
Algılayıcı (perceptron) görselleştirici
Algılayıcı (perceptron), var olan en basit öğrenen makinedir: ağırlıklı girdilerini toplayıp evet ya da hayır diye yanıt veren tek bir yapay nöron. İki girdiyle yanıtı düz bir doğru boyunca değişir; öğrenmek ise bu doğruyu, her nokta kendi tarafında kalana kadar kaydırmak demektir. Düzleme iki sınıftan noktalar ekleyin ya da bir mantık kapısı seçin, sonra Rosenblatt'ın kuralını örnek örnek izleyin, her ağırlığı güncellemeden önce ve sonra görün ve doğrunun dönüp yerine kaymasını – ya da XOR'da sonsuza dek başarısız olmasını – izleyin. Bir veri kümesi seçin ya da düzleme tıklayarak nokta ekleyin: Bir tıklama “Tıklama ekler” altında seçili sınıftan bir nokta ekler, Shift ile tıklama veya sağ tıklama diğer sınıftan bir nokta ekler, bir noktaya tıklamak onu siler. Ardından nöronu eğitin. Adım tek bir örneği gösterir: Kesikli halka onu işaretler, tablo da ağırlıkları w ← w + η·(y − ŷ)·x güncellemesinden önce ve sonra gösterir. Epok tüm noktalar üzerinden bir tur yapar, Oynat ise bir tur hatasız geçene ya da epok sınırına ulaşılana kadar seçilen hızda devam eder. Doğru w₁x + w₂y + b = 0 olan yerdir, ok ağırlık vektörüdür, kırmızı halka da yanlış taraftaki bir noktayı işaretler.
Nasıl çalışır
- AND, OR, NAND ve XOR mantık kapılarından paylı rastgele noktalara ya da iki örtüşen buluta kadar bir veri kümesi seçin veya düzleme kendi noktalarınızı ekleyin.
- Nörona tek bir örnek göstermek ve her ağırlığın güncellemesini görmek için Adım'a, tüm noktalarla eğitmek için Epok'a ya da Oynat'a basın.
- Bir tur hatasız geçene kadar karar sınırını, ağırlık vektörünü ve epok başına hataları izleyin; tek bir algılayıcının başarısız olduğunu görmek için XOR'u deneyin.
Bir nöron, bir doğru
x ve y girdili bir algılayıcı w₁x + w₂y + b değerini hesaplar ve toplam pozitifse +1, negatifse −1 yanıtını verir. Toplam tam olarak w₁x + w₂y + b = 0 doğrusu üzerinde sıfırdır, bu yüzden nöron düzlemi her sınıf için bir tane olmak üzere iki yarı düzleme böler. Ağırlık vektörü (w₁, w₂) bu doğruya diktir ve +1 tarafını gösterir; sapma (bias) b ise doğruyu orijinden uzaklaştırır. Sapmayı her zaman 1 olan bir girdinin w₀ ağırlığı gibi ele almak, tek bir kuralın üç sayıyı birden eğitmesini sağlar.
Öğrenme kuralı
Eğitim nörona her seferinde bir nokta gösterir. Doğru yanıt verirse hiçbir şey değişmez. Yanılırsa her ağırlık, girdisinin η·(y − ŷ) katı kadar değişir; burada y gerçek sınıf, ŷ yanıt ve η öğrenme oranıdır. Bu, doğruyu noktayı doğru tarafa alacak şekilde iter. Tüm noktalar üzerinden bir tur bir epoktur. Noktalar bir doğruyla ayrılabiliyorsa algılayıcı yakınsama teoremi, bu basit kuralın sonlu sayıda hatadan sonra böyle bir doğru bulacağını garanti eder; XOR ise böyle bir doğru olmadığında ne olduğunu gösterir.
Sık sorulan sorular
Algılayıcı neden XOR'u öğrenemez?
XOR, (0, 1) ve (1, 0) için doğru, (0, 0) ve (1, 1) için yanlıştır. İki doğru nokta karenin bir köşegeninde, iki yanlış nokta da diğerinde durur ve hiçbir doğru bir köşegeni bir tarafa, diğerini öbür tarafa koyamaz. Tek bir algılayıcı yalnızca düz doğrular çizebildiği için XOR'da epok epok hata yapmaya devam eder ve asla yakınsamaz. İkinci bir nöron katmanı ya da x·y gibi ek bir girdi sorunu çözer.
Algılayıcı her zaman yakınsar mı?
İki sınıfı bir doğru ayırabildiği her durumda yakınsar: algılayıcı yakınsama teoremi güncelleme sayısını sınırlar; kuralın klasik biçiminde bu sınır en fazla (R/γ)²'dir; burada R en uzun girdi vektörünün uzunluğu, γ ise en iyi ayıran doğrunun payıdır. Küçük bir pay çok sayıda epok anlamına gelebilir. Ayıran bir doğru yoksa asla yakınsamaz; bu yüzden uygulama bir epok sınırında durur ve noktaların ayrılabilir olup olmadığını kontrol eder.
Öğrenme oranı ne işe yarar?
Her güncellemenin büyüklüğünü belirler. Sıfır ağırlıklardan başlandığında yalnızca tüm ağırlıkları aynı çarpanla çarpar; doğruyu da hata sayısını da asla değiştirmez – algılayıcının ilginç bir özelliği. Rastgele başlangıç ağırlıklarında ise önemlidir: küçük bir oran doğruyu daha uzun süre başladığı yere yakın tutar, büyük bir oran ilk hataların baskın olmasına izin verir.
Cep algoritması nedir?
Hiçbir doğrunun ayıramadığı veriler için Stephen Gallant'ın 1990'da yayımladığı küçük bir değişiklik. Algılayıcı her zamanki gibi çalışır, ama her güncellemeden sonra yeni ağırlıkların tüm noktalardaki hataları sayılır ve o ana kadarki en iyi ağırlıklar cebe (pocket) konur. Eğitim durduğunda yanıt, son güncellemenin rastgele bıraktığı doğru değil, kesikli çizilen cepteki doğrudur.
Bir sunucuya bir şey gönderiliyor mu?
Hayır. Noktalar, eğitim ve çizim tamamen tarayıcınızda çalışır; noktalarınız ve ağırlıklarınız bu tarayıcının yerel depolamasında kalır.
Denemeye hazır mısınız?
PictorX'i tarayıcınızda açın — kurulum gerekmez, başlamak için kredi kartı gerekmez.
Editöre Git