マニュアル: JavaScript ニューラルネットワーク デモ
これは何ですか？
これは人工ニューラルネットワークのHTML5での視覚化です。あなたは3個のデモを試すことができます: XOR問題, 関数近似, そしてパターン認識。あなたはいくつかのパラメーターや実行速度を変える事ができ、学習の過程の理解を助けます。楽しんで ;)
どうやって使うのですか？ (簡潔に)
- あなたがプレイしたいデモをリストから選んでください
- 「終了条件」を設定してください（「誤差によるもの(by error)」と「学習回数によるもの(by steps)で選ぶことができます」）
- 「学習(train)」ボタンを押すと学習が開始します。学習が完了した時には、ボタンのラベルが「retrain」になります。
パラメーターの詳細
- Numbers of nodes of hidden layers
- あなたは中間層のそれぞれのニューロンの数を変化できます。カンマで区切られた値を入力してください。例えば、「2,3」は1番目の層は2つのニューロンを持ち、2番めの層は3つ持つことを意味します。
注意： もしあなたが過剰な値を入力すると、ブラウザがハングアップするかもしれません。
- Learning rate
- このデモでは、学習過程で「最急降下法」を用いています。このパラメータは更新の比率を意味します。この値が大きいほど、誤差によく反応します。
- End conditions
- これは学習が完了する条件です。
By error: 出力の最大誤差によるものです。最大の誤差がこの値を下回る時、学習は完了します。
By steps: 学習する回数によるものです。
- Speed
- 可視化のスピードを調整します。
- initialize
- ニューラルネットワークを初期化します。全てのデータはクリアされます。
- train/retrain/pause/resume
- 学習、または再学習を開始/停止/再開します。
デモの一覧
3-in XOR
このデモは、3入力のXOR(排他的論理和)の学習です。「Test」にあるボタンを押すと、出力をチェックできます。学習前と学習後の出力を比較して、学習していることを理解して下さい。
Function Approximation
このデモは、関数近似の学習です。「Form」で関数の形を指定してください。赤色の曲線が学習結果を表しています。曲線のアニメーションで学習していることを確認して下さい。
常に1.00となっている入力はバイアス項です。
Pattern Recognition
このデモでは文字認識のシミュレーションです。これは0-9のアラビア数字を認識します。パネルをクリックする、もしくは上の数字のボタンを押してください。「recognize」を押すと数値が認識されます。
動作環境
動く環境では動きます。それだけです。
Back to home