Laboratorio interattivo · Percettrone

Percettrone interattivo: parametri, rete neurale, grafico e calcoli passo-passo

Questa pagina ti permette di mostrare ai tuoi studenti come un percettrone impara: puoi cambiare i parametri, aggiungere punti al dataset e seguire la sequenza di calcoli – inclusa la funzione di attivazione.

Dataset di esempio (modificabile)

Aggiungi nuovi punti 2D con classe 0/1

Ogni esempio ha due caratteristiche (x₁, x₂) e una classe bersaglio (y in {0,1}). Il percettrone deve imparare a separare le due classi.

# x₁ x₂ Classe (y)

Dopo aver modificato il dataset, premi Reset percettrone per farlo ripartire da zero con i nuovi dati.

Passi dell’algoritmo

  1. Input: legge x₁ e x₂.
  2. Somma pesata: s = w₁·x₁ + w₂·x₂ + b
  3. Funzione di attivazione: f(s) = 1 se s ≥ 0, altrimenti 0
  4. Decisione: output = f(s)
  5. Errore: errore = y − output
  6. Aggiornamento (se errore ≠ 0):
    w₁ ← w₁ + η·errore·x₁
    w₂ ← w₂ + η·errore·x₂
    b ← b + η·errore

η è il learning rate: determina di quanto si muovono i pesi ad ogni errore.

Simulatore di apprendimento

Parametri, rete neurale, grafico e log

Imposta i parametri, poi usa i pulsanti per far “studiare” il percettrone sul dataset corrente.

w₁: 0.00 w₂: 0.00 bias b: 0.00
Epoca corrente: 0 · Prossimo esempio: 1 · Learning rate η: 0.1

Spiegazione dell’ultimo passo eseguito

Nessun passo eseguito ancora. Premi “Esegui 1 passo” per vedere la sequenza di calcoli.

A sinistra: input x₁ e x₂. Al centro: il neurone percettrone. A destra: l’output (classe prevista). Spessore e colore delle linee indicano il segno e la forza dei pesi.

Classe 0 (y = 0)
Classe 1 (y = 1)
Retta di decisione (s = 0)

Nel grafico: asse orizzontale = x₁, asse verticale = x₂. La retta separa le regioni in cui il percettrone produce output 0 o 1.

Log dei passi

Uso didattico suggerito