Laboratoire de réseau neuronal XOR
Visualisation des passes avant/arrière d’un petit MLP.
XOR ne se résout pas avec un séparateur linéaire unique.
C’est le problème jouet standard pour montrer couches cachées et activations non linéaires.
Le simulateur utilise un MLP compact :
Entrée(2) -> Cachée(4) -> Cachée(2) -> Sortie(1)
Activation de sortie sigmoid ; activation cachée tanh ou ReLU.
Chaque pas échantillonne un cas XOR, fait un forward, calcule la perte et applique la rétropropagation.
$$ z^{(l)} = a^{(l-1)}W^{(l)} + b^{(l)}, \quad a^{(l)} = f(z^{(l)}) $$
$$ W \leftarrow W - \eta \nabla_W L, \quad b \leftarrow b - \eta \nabla_b L $$
- Le graphique de perte montre la convergence.
- Le panneau de prédiction montre la confiance pour les 4 entrées XOR.
- Le panneau de calcul enregistre les valeurs forward/backward récentes.
Contrôles d’entraînement
Pas : 0 | Perte : -
Trace avant/arrière
Instantané de prédiction
Des cercles plus grands indiquent une probabilité plus élevée de la classe 1.
Cibles XOR
- (0,0) -> 0
- (0,1) -> 1
- (1,0) -> 1
- (1,1) -> 0