AI & Pembelajaran Mesin
Playground Jaringan Saraf Tiruan
Playground Jaringan Saraf Tiruan
Latih jaringan saraf kecil di peramban pada data lingkaran, XOR, atau spiral, lalu lihat batas keputusan dan kurva loss berubah tiap epoch.
Yang dipahami
Tanpa lapisan tersembunyi, jaringan hanya bisa menarik garis lurus. Satu lapisan tersembunyi dengan aktivasi nonlinear sudah memecahkan XOR; spiral butuh lebih banyak neuron dan epoch.
Cara memakai
- Pilih XOR tanpa lapisan tersembunyi, klik Latih: loss macet, batasnya tetap garis lurus.
- Tambah satu lapisan berisi 4 neuron: XOR terpecahkan dalam puluhan epoch.
- Ganti aktivasi ke identity: jaringan kembali linear berapa pun lapisannya.
- Naikkan learning rate ke 3 dan lihat kurva loss melonjak-lonjak.
Batasan
- Data 2D rekaan 200 titik; separuh untuk latih, separuh untuk uji.
- Dilatih gradient descent mini-batch (10 titik) tanpa momentum atau regularisasi.
- Masukan hanya x₁ dan x₂; keluaran sigmoid dengan loss cross-entropy (log loss).
Pertanyaan yang sering muncul
- Apakah Playground jaringan saraf ini gratis?
- Gratis dan tanpa akun. Simulasinya berjalan di peramban kamu; tidak ada yang dikirim ke server KelasGratis. Bila kamu masuk, KelasGratis hanya mencatat bahwa akunmu membuka lab ini (sekali sehari) untuk riwayat dan aktivitas komunitas.
- Apa saja penyederhanaan modelnya?
- Data 2D rekaan 200 titik; separuh untuk latih, separuh untuk uji. Dilatih gradient descent mini-batch (10 titik) tanpa momentum atau regularisasi. Masukan hanya x₁ dan x₂; keluaran sigmoid dengan loss cross-entropy (log loss).
- Boleh dipasang di situs sekolah atau blog?
- Boleh. Pasang iframe ke alamat halaman ini dengan tambahan ?embed=1 di ujungnya. Bingkainya menampilkan lab saja beserta tautan balik.
Sumber (3)
- scikit-learn User Guide — 1.17 Neural network models (supervised) · MLP, aktivasi logistic/tanh/relu/identity, log loss, inisialisasi Glorot
- Dive into Deep Learning §5.1 — Multilayer Perceptrons · Lapisan tersembunyi dan alasan aktivasi harus nonlinear
- TensorFlow Playground (Smilkov & Carter, Apache 2.0) — inspirasi tampilan; kode lab ditulis sendiri · Tata letak data, neuron berpeta aktivasi, dan batas keputusan
Latih di kelas
- Fungsi aktivasi: sigmoid, tanh, dan ReLU · Jaringan Saraf Tiruan Dasar dengan Python
- Lapisan, matriks bobot, dan jumlah parameter · Jaringan Saraf Tiruan Dasar dengan Python
- Misi: melatih jaringan XOR dari nol · Jaringan Saraf Tiruan Dasar dengan Python
Lab tidak dinilai; soal yang dinilai ada di pelajarannya.