Backprop Lab

Ein Netz aus Neuronen, das gerade lernt: Gewichte, Aktivierungen und Fehler live beim Gradientenabstieg.

Epoche000

Verlust Test–

Verlust Training–

Trefferquote–

Datensatz

Kreis

Rauschen 10 %

Trainingspunkte 200

Lernverfahren

Lernrate

Aktivierung

Regularisierung

Stärke

Batch-Größe 10

Verborgene Schichten

Merkmal anklicken = ein/aus · Verbindung anklicken = kappen

Entscheidungsfläche

x₁ = −6+6

Klasse −1

Testpunkte einblenden

Verlustverlauf

Test Training

Netzstatus

Parameter	–
Aktive Verbindungen	–
Ø \|Gewicht\|	–
Größtes Gewicht	–

Jede Kachel zeigt, wie das jeweilige Neuron die Ebene x₁/x₂ einfärbt — orange für negative, grün für positive Aktivierung. Die Linienstärke entspricht dem Betrag des Gewichts, die Farbe seinem Vorzeichen. Gerechnet wird echter stochastischer Gradientenabstieg mit quadratischem Fehler; Ziel-Labels sind −1 und +1.

Start Handbuch Datenschutz Impressum