Visualize como uma rede neural multicamadas funciona e aprende através de épocas de treinamento
As redes neurais multicamadas são compostas por camadas de neurônios artificiais interconectados. O sinal flui da camada de entrada através das camadas ocultas até a camada de saída.
Durante o treinamento, os pesos das conexões entre os neurônios são ajustados iterativamente para minimizar o erro entre a saída prevista e a desejada. Cada iteração completa através do conjunto de dados é chamada de "época".
No visualizador acima, a espessura e a cor das conexões representam o valor e o sinal dos pesos. Conexões vermelhas representam pesos positivos (excitadores), enquanto conexões azuis representam pesos negativos (inibidores).
O controle deslizante de épocas permite simular o processo de aprendizado, onde os pesos vão se fortalecendo e se especializando com o treinamento. Os caminhos destacados em verde mostram as conexões mais influentes para a rede, levando à ativação de um neurônio de saída específico.