XOR Sinir Ağı Lab
Küçük bir MLP için ileri/geri geçiş görselleştirmesi.
XOR tek bir doğrusal ayırıcıyla çözülemez. Modelin doğrusal olmayan bir karar yüzeyi öğrenmesi gerekir.
Bu yüzden XOR, gizli katmanları ve doğrusal olmayan aktivasyonları göstermek için standart oyuncak problemdir.
Simülatör kompakt bir MLP kullanır:
Input(2) -> Hidden(4) -> Hidden(2) -> Output(1)
Çıkış aktivasyonu ikili olasılık için sigmoid; gizli aktivasyon tanh veya ReLU olabilir.
Her adım bir XOR vakası örnekler, forward çalıştırır, loss hesaplar ve backprop güncellemesi uygular.
$$ z^{(l)} = a^{(l-1)}W^{(l)} + b^{(l)}, \quad a^{(l)} = f(z^{(l)}) $$
$$ W \leftarrow W - \eta \nabla_W L, \quad b \leftarrow b - \eta \nabla_b L $$
- Loss grafiği eğitim adımlarında yakınsama trendini gösterir.
- Tahmin paneli dört XOR girdisi için çıktı güvenini gösterir.
- Hesaplama paneli en yeni forward/backward değerlerini kaydeder.
Eğitim Kontrolleri
Forward/Backward İz
Tahmin Anlık Görünüm
Daha büyük daireler, sınıf 1’e yakın daha yüksek olasılık demektir.
XOR Hedefleri
- (0,0) -> 0
- (0,1) -> 1
- (1,0) -> 1
- (1,1) -> 0