Wat Is Een Neuraal Netwerk?
Inleiding
Stel je voor dat je wilt leren om tekst van het Engels naar het Spaans te vertalen. Je leert talen door woorden en zinnen, hun betekenissen en de context waarin ze worden gebruikt, te onthouden. Op basis van deze ervaring kun je nieuwe teksten vertalen die je nog nooit eerder hebt gezien.
Een ander voorbeeld is het classificeren van katten en honden. Net zoals een persoon leert om ze te onderscheiden aan de hand van voorbeelden uit het dagelijks leven, kan een neuraal netwerk leren om ze te onderscheiden op basis van dergelijke voorbeelden.
Het neurale netwerk doet iets vergelijkbaars. Het leert van voorbeelden – dit kunnen teksten, afbeeldingen, geluiden of andere gegevens zijn die we willen laten verwerken. Een neuraal netwerk probeert, net als een persoon die een taal leert, patronen in deze gegevens te herkennen.
Vervolgens gebruikt het deze patronen om taken uit te voeren zoals classificatie (bepalen tot welke categorie een object behoort), regressie (voorspellen van een numerieke waarde zoals de prijs van een huis) of generatie (nieuw materiaal creëren op basis van de geleerde patronen). Dit proces waarbij een neuraal netwerk wordt getraind met voorbeelden heet supervised learning en is de meest gebruikelijke manier om het te trainen.
Het trainen van een neuraal netwerk houdt in dat het wordt onderwezen met voorbeelden waarvan de antwoorden al bekend zijn, aangeduid als gelabelde voorbeelden. Dit is vergelijkbaar met het geven van een toets waarbij de juiste antwoorden al zijn verstrekt, waardoor het netwerk van deze voorbeelden kan leren. Wanneer we het netwerk vragen om voorspellingen te doen, bieden we het nieuwe voorbeelden aan zonder de antwoorden, wat betekent dat de invoer ongelabeld is. Het netwerk past vervolgens toe wat het heeft geleerd om zelfstandig de antwoorden te voorspellen.
Voorbeeld van een Neuraal Netwerk
Dit is een demonstratie van een neuraal netwerk dat specifiek is ontworpen om tekeningen van katten en honden te herkennen.
Het behandelt een classificatieprobleem door een invoer uit een aanvankelijk onbekende klasse te verwerken en de geïdentificeerde klasse als uitvoer te geven.
Gebruik dit voorbeeld om een dieper begrip te krijgen.
LMB (Linker muisknop) - om te tekenen.
Shift + LMB - om te wissen.
Bedankt voor je feedback!
Vraag AI
Vraag AI
Vraag wat u wilt of probeer een van de voorgestelde vragen om onze chat te starten.
What is supervised learning in more detail?
How does the neural network decide if a drawing is a cat or a dog?
Can you explain how the layers in the neural network work?
Awesome!
Completion rate improved to 4Wat Is Een Neuraal Netwerk?
Veeg om het menu te tonen
Inleiding
Stel je voor dat je wilt leren om tekst van het Engels naar het Spaans te vertalen. Je leert talen door woorden en zinnen, hun betekenissen en de context waarin ze worden gebruikt, te onthouden. Op basis van deze ervaring kun je nieuwe teksten vertalen die je nog nooit eerder hebt gezien.
Een ander voorbeeld is het classificeren van katten en honden. Net zoals een persoon leert om ze te onderscheiden aan de hand van voorbeelden uit het dagelijks leven, kan een neuraal netwerk leren om ze te onderscheiden op basis van dergelijke voorbeelden.
Het neurale netwerk doet iets vergelijkbaars. Het leert van voorbeelden – dit kunnen teksten, afbeeldingen, geluiden of andere gegevens zijn die we willen laten verwerken. Een neuraal netwerk probeert, net als een persoon die een taal leert, patronen in deze gegevens te herkennen.
Vervolgens gebruikt het deze patronen om taken uit te voeren zoals classificatie (bepalen tot welke categorie een object behoort), regressie (voorspellen van een numerieke waarde zoals de prijs van een huis) of generatie (nieuw materiaal creëren op basis van de geleerde patronen). Dit proces waarbij een neuraal netwerk wordt getraind met voorbeelden heet supervised learning en is de meest gebruikelijke manier om het te trainen.
Het trainen van een neuraal netwerk houdt in dat het wordt onderwezen met voorbeelden waarvan de antwoorden al bekend zijn, aangeduid als gelabelde voorbeelden. Dit is vergelijkbaar met het geven van een toets waarbij de juiste antwoorden al zijn verstrekt, waardoor het netwerk van deze voorbeelden kan leren. Wanneer we het netwerk vragen om voorspellingen te doen, bieden we het nieuwe voorbeelden aan zonder de antwoorden, wat betekent dat de invoer ongelabeld is. Het netwerk past vervolgens toe wat het heeft geleerd om zelfstandig de antwoorden te voorspellen.
Voorbeeld van een Neuraal Netwerk
Dit is een demonstratie van een neuraal netwerk dat specifiek is ontworpen om tekeningen van katten en honden te herkennen.
Het behandelt een classificatieprobleem door een invoer uit een aanvankelijk onbekende klasse te verwerken en de geïdentificeerde klasse als uitvoer te geven.
Gebruik dit voorbeeld om een dieper begrip te krijgen.
LMB (Linker muisknop) - om te tekenen.
Shift + LMB - om te wissen.
Bedankt voor je feedback!
