Modul ini membangun jaringan saraf dari atom pembangunnya: neuron dengan bobot, bias, dan fungsi aktivasi. Neuron ditumpuk menjadi layer dan MLP, kekeliruannya diukur dengan fungsi loss, dan pembelajaran didefinisikan sebagai peminaan loss terhadap bobot. Seluruh perhitungan dikerjakan dengan angka kecil yang dapat dihitung ulang dengan tangan sebelum NumPy dan PyTorch mengambil alih.
Fondasi Jaringan Saraf
Modul fondasi: neuron, aktivasi, layer, fungsi loss, dan masalah pembelajaran sebagai peminaan loss.
0/0 selesai
- Neuron
Bobot, bias, dan fungsi aktivasi sebagai atom pembangun jaringan saraf.
- Fungsi aktivasi
Sigmoid, ReLU, dan alasan nonlinieritas menjadi hal esensial bagi jaringan saraf.
- Layer dan MLP
Menumpuk neuron menjadi layer dan menghitung forward pass dengan tangan.
- Fungsi loss
MSE dan cross-entropy sebagai ukuran kekeliruan yang diminimalkan.
- Masalah pembelajaran
Pembelajaran sebagai peminaan loss terhadap bobot dan permukaan loss jaringan saraf.