Train a small neural network in your browser. Change data, hidden layers and learning rate, then compare its decision boundary, training loss and test loss.
Mạng nơ-ron
Giới thiệu mô phỏng này
Mô phỏng này cho thấy một mạng nơ-ron thực ba–năm–năm–hai đang thực hiện lan truyền thuận. Mỗi nơ-ron cộng các đầu vào có trọng số và một độ lệch, rồi nén kết quả bằng hàm tanh. Học sinh di chuyển ba thanh trượt đầu vào và thấy tín hiệu truyền qua: kết nối xanh lơ là trọng số dương, màu cam là âm, còn màu và kích thước nơ-ron thể hiện mức kích hoạt. Một nút ngẫu nhiên hóa các trọng số. Vì trọng số không được huấn luyện, trọng tâm là cách phép tính hoạt động, giúp học sinh có cái nhìn gần gũi đầu tiên về cách các mô hình học máy tính toán.
Học sinh có thể khám phá điều gì
- Di chuyển Đầu vào x1, x2 và x3 và xem Đầu ra y1 và Đầu ra y2 thay đổi.
- Xem màu các kết nối để tìm trọng số nào dương và trọng số nào âm.
- Nhấn Ngẫu nhiên hóa trọng số và xem cùng một đầu vào cho ra các đầu ra khác nhau như thế nào.
- Đặt cả ba đầu vào bằng 0 và xem đầu ra cùng Mức kích hoạt trung bình của lớp ẩn thay đổi ra sao.
- Đẩy các đầu vào đến giới hạn và nhận xét cách hàm tanh nén giữ giá trị trong khoảng từ âm 1 đến 1.
Mục tiêu học tập
- 1Mô tả một nơ-ron là tổng có trọng số cộng với độ lệch, đi qua một hàm kích hoạt.
- 2Theo dõi cách thông tin truyền thuận qua các lớp của mạng.
- 3Giải thích trọng số dương và trọng số âm làm gì với tín hiệu.
- 4Nhận ra rằng đầu ra phụ thuộc cả vào đầu vào lẫn trọng số.
Câu hỏi giáo viên thường đặt ra
Mô phỏng này có miễn phí không?
Có. Miễn phí và chạy trên mọi trình duyệt hiện đại, kể cả bảng trắng và máy tính bảng. Không cần đăng ký.
Mạng này có được huấn luyện để làm một nhiệm vụ nào không?
Không. Các trọng số được chọn ngẫu nhiên, nên đầu ra không mang ý nghĩa cụ thể nào. Mục đích là cho thấy chính xác cách mạng biến đầu vào thành đầu ra, bằng đúng phép tính mà các mạng đã huấn luyện vẫn dùng.
Hàm tanh làm gì?
Tanh nén mọi số về khoảng từ âm 1 đến 1. Điều này giữ đầu ra của mỗi nơ-ron trong giới hạn và cho phép mạng biểu diễn nhiều hơn các quan hệ đường thẳng đơn giản.
Làm thế nào để sử dụng mô phỏng mạng nơ-ron?
Kéo ba thanh trượt đầu vào và xem màu sắc và đầu ra cập nhật. Nhấn Ngẫu nhiên hóa trọng số để tạo một mạng mới có cùng cấu trúc.
Nhúng mô phỏng này
Đặt vào hệ thống học tập, blog hoặc trang lớp của bạn — miễn phí.
<iframe src="https://kiwibee.io/vn/simulations/neural-network-3d-simulation/embed" title="Mạng nơ-ron | KiwiBee" loading="lazy" allowfullscreen style="width:100%;height:min(70vh,620px);min-height:420px;border:0;border-radius:16px"></iframe>Tiếp tục khám phá
Thêm các mô hình khoa học tương tác

Một xi-lanh động cơ cắt mở cho thấy piston, các van và tia lửa qua bốn hành trình của chu trình. Học sinh thay đổi tốc độ động cơ và góc đánh lửa sớm, rồi xem hành trình, góc chu trình, áp suất xi-lanh và trạng thái van cập nhật.

Đập, ống dẫn áp lực và tua-bin được hiển thị 3D. Học sinh thay đổi độ mở cửa van và mực nước, gọi là cột nước, rồi đọc lưu lượng nước, tốc độ nước trong ống, công suất điện và năng lượng mỗi ngày.

Một trebuchet thời trung cổ vung cánh tay trong 3D và ném một viên đá. Học sinh thay đổi khối lượng đối trọng, tỷ số cánh tay và góc thả, nhấn Bắn, rồi đọc tốc độ thả, tầm bắn và thời gian bay.

A 3D pocket cube with colored faces sits on screen. Students drag across a face to turn a layer, press Scramble to mix it, and try to solve it while the move counter and timer run.
Mang khoa học tương tác vào lớp học của bạn
Không gian giáo viên miễn phí của KiwiBee gộp soạn bài, phiếu bài tập, công cụ lớp học và sổ điểm vào cùng một nơi.
Bắt đầu miễn phí và tạo lớp học đầu tiên