🧠 Spark · Neurones

descente de gradient en direct — survole le plan pour allumer les neurones 💼 Offres ← retour Spark

Jeu de données

Bruit 0.10

Entrées (features)

Architecture

Apprentissage

Activation cachée Taux d'apprentissage 0.316

poids / activation positifs négatifs épaisseur du trait = |poids|

Époque

0

Perte

—

Précision

—

Frontière de décision

survole ce plan → le point sonde traverse le réseau

Perte (au fil des époques)

Inspecteur de neurone

Survole un neurone du réseau pour voir son calcul z = Σ wᵢ·xᵢ + b puis a = f(z), avec les valeurs en direct pour le point sonde.

En bref

Un neurone fait une somme pondérée de ses entrées plus un biais, puis applique une fonction d'activation. L'apprentissage = ajuster tous les poids w et biais b par descente de gradient (rétropropagation) pour réduire la perte. La frontière de décision se déforme à mesure que le réseau apprend.