Визуализатор классификатора на основе полносвязной сети

Нейронная сеть прямого распространения — наиболее простой тип нейронных сетей. Они состоят из слоёв, содержащих искуственные нейроны. Нейроны по сути своей являются обыкновенными сумматорами, вычисляющими взвешенную сумму входных сигналов и применяющие к этой сумме активационную функцию. В одной из наших статей мы рассказывали, как создать её с нуля, если Вам это интересно, переходите по ссылке: Пишем нейросеть прямого распространения с нуля | Как создать свою нейросеть.

Для более глубокого понимания работы полносвязных сетей мы решили создать небольшой визуализатор задачи классификации на основе сети прямого распространения. Задача классификации формулируется следующим образом: есть набор из нескольких точек на плоскости (X, Y), про которые известно, к какому классу они относятся. Требуется определить, к какому классу относятся все остальные точки, на основе информации об имеющихся точках.

Небольшая инструкция к визуализатору

• Чтобы запустить обучение сети нажмите кнопку "Запустить".
• Чтобы создать новые точки, выберите тип генерации и нажмите кнопку "Сгенерировать" или, используя левую и правую кнопки мыши, добавьте точки самостоятельно.
• Для изменения конфигурации сети введите количество нейронов в каждом слое в поле "Конфигурация". Например, для сети из 2 скрытых слоёв по 6 нейронов введите "6 6".
• На выбор доступны 3 функции активации: гиперболический тангенс (tanh), сигмоида (sigmoid) и выпрямитель (ReLU).
• Для изменения скорости обучения введите (или используйте стрелки) в поле "Скорость обучения".