Jaringan neural satu lapis
Agar terbiasa menggunakan jaringan neural, akan membantu jika Anda mulai dengan pendekatan sederhana terhadap sebuah fungsi.
Anda akan melatih jaringan neural untuk mendekati pemetaan antara masukan x dan keluaran y. Keduanya dihubungkan oleh fungsi akar kuadrat, yaitu \(y = \sqrt{x}\).
Vektor masukan x sudah disediakan. Pertama, Anda akan menghitung akar kuadrat dari x menggunakan fungsi sqrt() milik Numpy untuk menghasilkan deret keluaran y. Lalu Anda akan membuat jaringan neural sederhana dan melatihnya pada deret x.
Setelah pelatihan, Anda akan memplot deret y dan keluaran jaringan neural untuk melihat seberapa dekat jaringan tersebut mendekati fungsi akar kuadrat.
Objek Sequential dan Dense dari pustaka Keras juga tersedia di workspace Anda.
Latihan ini adalah bagian dari kursus
Manajemen Risiko Kuantitatif dengan Python
Petunjuk latihan
- Buat nilai target pelatihan menggunakan fungsi
sqrt()milik Numpy. - Buat jaringan neural dengan satu lapisan tersembunyi berisi 16 neuron, satu nilai masukan, dan satu nilai keluaran.
- Compile dan latih jaringan neural pada nilai pelatihan selama 100 epoch.
- Plot nilai pelatihan (berwarna biru) terhadap nilai prediksi jaringan neural.
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
# Create the training values from the square root function
y = np.____(x)
# Create the neural network
model = Sequential()
model.____(Dense(16, input_dim=1, activation='relu'))
model.____(____(1))
# Train the network
model.____(loss='mean_squared_error', optimizer='rmsprop')
model.____(x, y, epochs=100)
## Plot the resulting approximation and the training values
plt.plot(x, y, x, model.____(x))
plt.show()