Peshat
Modeli është plot me numra të quajtur "pesha"
Çdo lidhje mes neuroneve ka një peshë. Ndrysho peshat më poshtë dhe shiko si ndryshon dalja në kohë reale. Kliko "Ekzekuto Forward Pass" për të parë vlerat duke kaluar nëpër rrjet.
Kjo është formula bazë: <span class="mono">hyrje × peshë = kontribut</span>. Kontributet nga shumë hyrje mblidhen së bashku për të formuar aktivizimin e një neuroni.
Në detaje
Një peshë është një numër që kontrollon sa fort një vlerë ndikon në një tjetër. Në një neuron artificial, çdo hyrje shumëzohet me peshën e saj, rezultatet mblidhen, shtohet një bias (një numër tjetër i mësuar) dhe totali kalon nëpër një funksion aktivizimi:
dalja = f(w₁x₁ + w₂x₂ + … + b)
Një peshë e madhe pozitive do të thotë që hyrja e shtyn rezultatin lart, një peshë negative e shtyn poshtë, dhe një peshë afër zeros do të thotë që hyrja gati nuk ka rëndësi. Një peshë e vetme nuk të tregon pothuajse asgjë. Sjellja e një rrjete del nga miliona ose miliarda pesha që punojnë së bashku.
Peshat janë lloji kryesor i parametrit që mëson një model. Trajnimi i rregullon me shumë hapa të vegjël që parashikimet të përmirësohen. Pas trajnimit, peshat janë të fiksuara: nuk ndryshojnë ndërsa bisedon me modelin.
Peshat nuk janë fakte të ruajtura si fjali. Dija në një rrjetë është e shpërndarë në shumë pesha, dhe nuk ka një tabelë të thjeshtë ku mund të kërkohet një fakt.
Thjeshtim: vizualizimi tregon një shumëzim (hyrje × peshë). Një neuron i plotë mbledh shumë produkte të tilla, shton një bias dhe aplikon një funksion aktivizimi.