Laboratorio de red neuronal XOR
Visualizacion de paso forward/backward para un MLP pequeno.
XOR no se resuelve con un separador lineal. El modelo debe aprender una superficie no lineal.
Por eso XOR es el problema de juguete estandar para capas ocultas y activaciones no lineales.
El simulador usa un MLP compacto:
Entrada(2) -> Oculta(4) -> Oculta(2) -> Salida(1)
La salida usa sigmoid; la activacion oculta puede ser tanh o ReLU.
Cada paso toma un caso XOR, hace forward, calcula perdida y aplica backprop.
$$ z^{(l)} = a^{(l-1)}W^{(l)} + b^{(l)}, \quad a^{(l)} = f(z^{(l)}) $$
$$ W \leftarrow W - \eta \nabla_W L, \quad b \leftarrow b - \eta \nabla_b L $$
- La curva de perdida muestra la convergencia por pasos.
- El panel de prediccion muestra la confianza en los cuatro inputs XOR.
- El panel de calculo registra los ultimos valores forward/backward.
Controles de entrenamiento
Paso: 0 | Perdida: -
Traza forward/backward
Instantanea de prediccion
Circulos mas grandes indican mayor probabilidad de clase 1.
Objetivos XOR
- (0,0) -> 0
- (0,1) -> 1
- (1,0) -> 1
- (1,1) -> 0