Neuronales Netz

Über das Projekt

Ein simples neuronales Netz lernt, handgezeichnete Dreiecke, Rechtecke und Kreise zu erkennen. Training, Fehlerrückführung (Backpropagation) und Gewichtsanpassung laufen sichtbar in der 3D-Szene ab. Danach kannst du selbst eine Form zeichnen und beobachten, wie das Netz sie einordnet.

Umsetzung

Das Netz ist ohne ML-Bibliothek geschrieben: 100 Inputs für ein 10×10-Pixel-Bild, zwei ReLU-Schichten mit 16 und 10 Neuronen und eine Softmax-Ausgabe, trainiert mit Kreuzentropie und Adam. Als Trainingsdaten dienen 270 synthetische, bewusst unsaubere Formen. Die generierten Formen, aber auch die eigene Zeichnung werden von derselben Funktion zugeschnitten und gerastert. Jeder Trainingsschritt läuft in pausierbaren Phasen ab. Dabei sind alle relevante Schritte enthalten: Von Vorwärtsdurchlauf über Fehler und Backpropagation bis zur Gewichtsanpassung. Ein Beispiel wird im Detail gezeigt, gerechnet wird mit Mini-Batches aus acht Beispielen. Tests vergleichen die Gradienten mit numerischen Ableitungen und verlangen über 90 % Genauigkeit auf zurückgehaltenen Daten.