Cum recunoaște cifrele o rețea neuronală
Desenează o cifră și urmărește cum o analizează o rețea neuronală adevărată. Vei vedea ce neuroni se aprind, ce caută fiecare și cum din 784 de pixeli se naște un singur răspuns. Totul rulează în browserul tău.
Desenează o cifră
Rețeaua spune3sigură în proporție de 100 %
Din 10.000 de cifre de test pe care nu le-a văzut la învățare, recunoaște corect 97,8 %.
În interiorul rețelei
Parcurge cei patru pași sau dă clic pe orice neuron ca să vezi cum calculează.
- Culoare mai intensă = neuronul strălucește mai tare
- Mărește suma următoare
- Micșorează suma următoare
Pasul 4: ieșirea pentru cifra 3
Fiecare dintre cele 10 ieșiri adună la fel cei 16 neuroni din stratul 2. Cu cât suma unei ieșiri este mai mare, cu atât rețeaua înclină mai mult spre cifra ei.
Ce a adăugat și ce a scăzut cel mai mult
Suma acestei ieșiri este 14,97. Softmax o transformă într-o cotă de 100 % (vezi mai jos).
Deplasarea (bias) este un număr propriu al neuronului, învățat la fel ca ponderile: face ca neuronul să se aprindă mai ușor sau mai greu.
De la 10 sume la un singur răspuns
Softmax transformă cele 10 sume în cote care împreună dau 100 %. Suma cea mai mare primește cota cea mai mare: dacă o sumă este mai mare decât alta cu 1, cota ei este de aproximativ 2,7 ori mai mare. Răspunsul este cifra cu cota cea mai mare. Cota arată cât de mult înclină rețeaua spre o cifră, nu cât de probabil este să aibă dreptate.
| Cifra | Suma | Cota |
|---|---|---|
| 0 | -5,37 | 0 % |
| 1 | -0,27 | 0 % |
| 2 | 2,32 | 0 % |
| 3 | 14,97 | 100 % |
| 4 | -6,86 | 0 % |
| 5 | 4,38 | 0 % |
| 6 | -10,56 | 0 % |
| 7 | 1,13 | 0 % |
| 8 | -1,01 | 0 % |
| 9 | 1,46 | 0 % |
O demonstrație ca să înțelegi; nimic din ce desenezi nu părăsește browserul tău. Cum se calculează și de unde provin datele
Cum recunoaște o rețea neuronală o cifră
O rețea neuronală este alcătuită din unități simple, neuronii, așezați în straturi. Fiecare neuron face un singur lucru: adună numerele care intră în el, fiecare înmulțit cu propria pondere, adaugă deplasarea sa și transmite rezultatul mai departe dacă este pozitiv. Inteligența nu stă în vreun neuron anume, ci în ponderi.
Această rețea primește desenul tău ca 784 de numere, câte unul pentru fiecare pixel. Stratul 1 are 32 de neuroni și fiecare reacționează la o linie scurtă într-un anumit loc, cum se vede în modelele lor. Stratul 2 are 16 neuroni care combină aceste linii în părți mai mari. Cele 10 ieșiri, câte una pentru fiecare cifră, adună stratul 2, iar cea mai mare câștigă.
Nimeni nu a reglat ponderile de mână. La început erau aleatorii și rețeaua ghicea la întâmplare. Apoi a primit 60.000 de cifre scrise de mână cu răspunsurile corecte, iar după fiecare lot mic fiecare pondere a fost mutată puțin în direcția care micșorează eroarea (retropropagare și coborâre pe gradient). După 30 de treceri prin toate cifrele, cele aproximativ 26.000 de ponderi ale ei s-au așezat în modelele pe care le vezi.
De aceea rețeaua greșește altfel decât un om. A învățat cum arată cifrele din MNIST, nu ce este o cifră. Desenează o cifră foarte subțire, tăiată sau într-un stil neobișnuit, și sumele pot înclina în altă parte. Încearcă: desenează un 4 deschis sus, un 7 cu bară sau o literă și urmărește ce neuroni reacționează.
Aceleași piese de bază, în număr mult mai mare și aranjate altfel, se află în rețelele care recunosc vorbirea, traduc sau scriu texte. Principiul rămâne același: foarte multe sume ponderate, cu ponderi învățate din exemple.
Întrebări frecvente
Este o rețea neuronală adevărată?
Da. Este o rețea mică, dar completă, antrenată pe cifre reale scrise de mână, și calculează în browserul tău exact cum arată schema. Fiecare număr din schemă este valoarea reală din calcul.
Desenul meu este trimis undeva?
Nu. Rețeaua rulează în browserul tău. Desenul este păstrat doar în memoria browserului, ca să-l găsești când revii.
De ce nu îmi recunoaște cifra?
Cunoaște doar cifre care arată ca cele din MNIST: o singură cifră, desenată în mijloc, cu linii de grosime obișnuită. Scrisul tău nu l-a văzut niciodată și nu poate răspunde „nu știu”. Încearcă să desenezi cifra mai mare și mai simplu sau uită-te ce neuroni din stratul 1 s-au aprins și căror ieșiri le-au adăugat.
Cât de precisă este?
Pe cele 10.000 de cifre de test din MNIST, pe care nu le-a văzut la învățare, răspunde corect în aproximativ 98 de cazuri din 100; cota exactă apare sub zona de desen. Cifrele desenate cu mouse-ul arată altfel decât liniile trase cu pixul pe hârtie, așa că la ele poate greși mai des.
Ce este MNIST?
O colecție de 70.000 de cifre scrise de mână, adunată în anii ’90 de Yann LeCun, Corinna Cortes și Christopher Burges din mostre de scris americane. De mult timp este primul lucru pe care se încearcă metodele noi, un fel de „hello world” al învățării automate.
Articole asemănătoare
Cum se calculează și de unde provin datele
Cum se calculează rezultatul
- Desenul tău este redesenat așa cum și-a pregătit MNIST cifrele: liniile cu un creion lat de aproximativ 3 pixeli, încadrate într-un chenar de 20 × 20 cu forma păstrată și mutate astfel încât centrul de greutate al cernelii să cadă în mijlocul unei imagini de 28 × 28. Fiecare pixel este un număr de la 0 la 1.
- Rețeaua are 784 de intrări, 32 de neuroni în stratul 1, 16 în stratul 2 și 10 ieșiri. Fiecare neuron adună intrările, fiecare înmulțită cu ponderea ei, plus deplasarea sa (bias). În cele două straturi ascunse o sumă negativă devine 0 (ReLU); cele 10 sume ale ieșirilor trec prin softmax, care le transformă în cote ce dau împreună 100 %.
- Am antrenat rețeaua pe cele 60.000 de cifre de antrenament din MNIST: 30 de treceri de coborâre pe gradient cu moment, în loturi de câte 64 de cifre, fiecare cifră mutată, rotită, înclinată și subțiată sau îngroșată la întâmplare, pentru ca rețeaua să recunoască și cifre desenate cu mouse-ul.
- Acuratețea este măsurată pe cele 10.000 de cifre de test din MNIST, pe care rețeaua nu le-a văzut la învățare, cu același cod și aceleași ponderi pe care le folosește pagina. Rezultatul apare sub zona de desen.
- Ponderile sunt stocate pe câte 8 biți; acuratețea de mai sus este măsurată după această rotunjire. Un neuron dintr-un strat ascuns este colorat cu atât mai intens cu cât valoarea lui e mai mare față de o valoare ridicată a stratului său (percentila 95 pe cifrele de test).
Ipoteze și limite
- Rețeaua cunoaște doar cifrele de la 0 la 9 și răspunde mereu cu una dintre ele, chiar și la o literă sau o mâzgăleală, uneori cu o cotă mare.
- Cifrele din MNIST au fost scrise de angajați ai biroului american de recensământ (Census Bureau) și de elevi de liceu americani. Alt scris de mână, de exemplu un 1 cu o linie de început lungă sau un 7 tăiat, poate fi recunoscut mai greu.
- Este o rețea mică, construită ca să poată fi urmărită. Rețeaua convoluțională descrisă de LeCun și alții (1998) a greșit la mai puțin de 1 % din aceleași cifre de test; rețelele folosite astăzi în practică sunt mult mai mari.
- Rețeaua nu ține minte desenele anterioare și nu învață din ale tale.
Cifrele de exemplu sunt cifre scrise de mână din setul de test MNIST. Numerele din schema rețelei sunt valorile reale ale calculului, nu exemple de-ale noastre.
Sursele datelor și perioada la care se referă
Fiecare număr de la care pornește un calculator sau din care calculează provine dintr-una dintre sursele de mai jos. Denumirile seriilor sunt date așa cum le numește editorul. Fiecare rând arată perioada la care se referă datele și, acolo unde o înregistrăm, ziua în care le-am descărcat. Datele oficiale pot avea luni de zile la publicare, așa că verificați valoarea actuală înainte de a decide.
- Oficial
- Publicat de o bancă centrală, un institut de statistică, Uniunea Europeană sau alt organism public.
- Date academice sau din industrie
- Un set de date al unei universități, al unui furnizor de indici, al unei asociații din industrie sau al unui furnizor de date.
- Din presă
- O cifră a unui organism oficial pe care o cunoaștem doar din presă și nu am verificat-o în sursa originală. Considerați-o aproximativă.
- Exemplu
- Un număr rotund de-al nostru, nu o statistică. Înlocuiți-l cu al dumneavoastră.
Cifre scrise de mână pentru antrenarea rețelei
| Sursa | Perioada | Tip |
|---|---|---|
Yann LeCun, Corinna Cortes, Christopher J. C. BurgesThe MNIST database of handwritten digits: 60,000 training and 10,000 test images of 28 × 28 pixels, size-normalized to a 20 × 20 box and centered by the center of mass (files from the torchvision mirror, checked against its MD5 sums) | 1998descărcat la 2026-10-17 | Date academice sau din industrie |
Y. LeCun, L. Bottou, Y. Bengio, P. HaffnerGradient-based learning applied to document recognition, Proceedings of the IEEE 86 (11), 2278–2324 | 1998 | Date academice sau din industrie |
Textul metodologiei a fost verificat ultima dată la 2026-10-06. Datele au fost descărcate ultima dată la 2026-10-17. Cum lucrăm cu datele și sursele