Emergent X

这个应用程序允许用户以交互试验与可视化单个神经元（特征检测器）的无监督的神经网络训练。用户提供了通过拍照网上“训练数据”。

说明：拍摄照片和耐心 - 即使是很小的神经网络是计算密集型的！

网络收敛的第一个“主成分”或最常出现的多个图像共同点2×2的特征图案。

这个网络实现了当地唯一的学习规则：

1.神经元是有竞争力的：如果经常不火，它降低其阈值响应具有更大的变化对刺激。

2.神经元是节俭：如果频繁触发，它增加其阈值

3.当一个神经元火灾，它调谐其“权重”，其中将增加一个类似的模式在将来触发它的可能性的方向移动。

例如：如果一个突触后神经元是在回应高振幅信号，但现在响应较低幅度信号（由于门槛降低），它的权重将朝着低振幅信号移动。

网络结构：

1.输入层：8×8×3（3种颜色通道）

2.卷积层：2×2×3（1神经元与12突触）

3.激活图：7×7×1

注意：颜色通道进行预处理，同样，无论照明的回应。