Il problema XOR: perché un neurone non basta
Il limite che richiede i layer nascosti
Il problema XOR: perché un neurone non basta è una lezione Deep Learning Academy gratuita su CoddyKit. Questa è la lezione 4 di 4. Puoi leggere la lezione completa qui gratuitamente — poi esercitati direttamente nel browser con un editor di codice integrato e un tutor IA disponibile 24/7. Fa parte del percorso di apprendimento Deep Learning Academy, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso Deep Learning Academy include 4 lezioni in totale.
Ecco XOR
La regola XOR restituisce 1 quando esattamente uno degli input è 1 e 0 in tutti gli altri casi. Sembra semplice, eppure ha messo in difficoltà le prime reti neurali. 🤔
La tabella di verità XOR
XOR restituisce 0 per (0,0) e (1,1), ma 1 per (0,1) e (1,0). Le coppie uguali indicano no, quelle diverse indicano sì.
Tracciare i quattro punti
Posizioni i quattro input su una griglia. I due punti sì si trovano agli angoli opposti, mentre i punti no occupano gli altri due.
Nessuna retta funziona
Provi a separare gli angoli del sì da quelli del no con una sola retta. Non è possibile: le classi si incastrano lungo le diagonali.
Non linearmente separabile
XOR è l'esempio classico di dati non linearmente separabili. Un singolo neurone, limitato a un confine rettilineo, non può mai risolvere questo problema.
Il percettrone si blocca
Addestrando un percettrone su XOR, questo non converge mai. I pesi continuano a oscillare perché nessuna retta soddisfa contemporaneamente tutti e quattro gli esempi.
Un ostacolo storico
Questo limite di XOR, messo in evidenza nel 1969, contribuì a innescare un inverno dell'IA. Si dubitava che le reti neurali potessero mai affrontare problemi complessi.
Aggiungere un livello nascosto
La soluzione consiste nel sovrapporre più neuroni. Un livello nascosto permette alla rete di combinare diverse rette in una forma più complessa.
Piegare il confine
Con un livello nascosto e una non linearità, la rete può piegare il proprio confine. Ora può circondare gli angoli del sì e ignorare quelli del no.
Due neuroni lo risolvono
Bastano due neuroni nascosti che alimentano un neurone di output per risolvere XOR. Ogni unità nascosta traccia una retta e l'output le combina.
Perché la profondità è importante
XOR è la dimostrazione più semplice dell'importanza della profondità. Sovrapporre livelli consente alle reti di apprendere curve, angoli e la complessità del mondo reale.
Verifica rapida
Ricordi perché XOR mette in difficoltà un singolo neurone.
Riepilogo
XOR non è linearmente separabile, quindi un neurone non è sufficiente. Aggiungendo un livello nascosto, la rete può piegare il proprio confine e risolvere il problema. La profondità aumenta le capacità. 🚀
Impara Python con un tutor IA — gratis
Scrivi ed esegui vero codice nel tuo browser, ricevi aiuto istantaneo da un tutor IA disponibile 24/7, e riprendi da dove hai lasciato sul web o nell'app.
- Corsi
- 30
- Lezioni
- 120
Domande Frequenti
La lezione «Il problema XOR: perché un neurone non basta» è gratuita?
Sì — il testo completo di «Il problema XOR: perché un neurone non basta» è gratuito qui sul web. Per esercitarvi in modo interattivo (un editor di codice integrato e un tutor IA 24/7) e sbloccare il resto del corso Deep Learning Academy, passa a CoddyKit PRO. Il corso Deep Learning Academy include 4 lezioni in totale.
Cosa imparerò in «Il problema XOR: perché un neurone non basta»?
Il limite che richiede i layer nascosti Eserciti Deep Learning Academy con codice pratico che esegui direttamente nel browser, e un tutor IA 24/7 risponde alle tue domande mentre lavori sulla lezione.
Ho bisogno di esperienza per iniziare Deep Learning Academy?
Non è richiesta alcuna esperienza precedente. Deep Learning Academy su CoddyKit è strutturato per principianti e studenti avanzati, quindi puoi iniziare da qui o dall'inizio e procedere al tuo ritmo. Questa è la lezione 4 di 4.
Quanto tempo richiede la lezione «Il problema XOR: perché un neurone non basta»?
La maggior parte delle lezioni CoddyKit richiede circa 5–10 minuti. Ogni lezione è breve e interattiva, quindi fai progressi costanti e riprendi esattamente da dove hai lasciato su web e app.
Posso scrivere ed eseguire codice in questa lezione Deep Learning Academy?
Sì. Ogni lezione Deep Learning Academy include un editor di codice integrato, quindi scrivi ed esegui codice reale direttamente nel tuo browser e ricevi feedback istantaneo dall'IA — nessuna configurazione locale necessaria.
Tutte le lezioni di questo corso
- Pesi, bias e somma pesata
- La funzione gradino e le decisioni lineari
- Codifichi un percettrone da zero
- Il problema XOR: perché un neurone non basta