你的隐私选择

KiwiBee 使用 Google Analytics、Google Ads 和 Meta Pixel 的可选 Cookie，用于了解成年访客、统计已完成的注册并改进推广活动。必要 Cookie 始终保持开启。 OpenAI 的 ChatGPT 广告像素还会在您同意广告追踪后衡量页面浏览和已提交的咨询，并可能使用经过哈希处理的联系信息进行匹配。 隐私政策

跳到主要内容

神经网络

关于这个模拟实验

本模拟展示一个真实的 3-5-5-2 神经网络进行前向传播。每个神经元把加权输入与偏置相加，再用 tanh 函数压缩结果。学生移动三个输入滑块，观察信号如何流过网络：青色连线表示正权重，橙色表示负权重，神经元的颜色和大小显示激活程度。按钮可以随机化权重。由于权重没有经过训练，重点在于理解其中的运算方式，因此它是了解机器学习模型如何计算的入门好选择。

学生可以探索什么

  • 移动输入 x1、x2 和 x3，观察输出 y1 和输出 y2 的变化。
  • 观察连线的颜色，找出哪些权重为正，哪些为负。
  • 按下“随机化权重”，看看同样的输入如何得到不同的输出。
  • 把三个输入都设为 0，看看输出和“隐藏层平均激活值”会怎样。
  • 把输入推到极限，注意 tanh 的压缩如何使数值保持在负 1 与 1 之间。

学习目标

  1. 1将神经元描述为：加权求和加上偏置，再经过激活函数处理。
  2. 2说明信息如何通过网络的各层向前流动。
  3. 3解释正权重与负权重分别对信号起什么作用。
  4. 4认识到输出既取决于输入，也取决于权重。

教师常问的问题

是否免费使用？

是的。它是免费的，可在任何现代浏览器中运行，包括白板和平板电脑。无需注册。

这个网络是否经过训练来完成某项任务？

没有。权重是随机的，因此输出并不代表任何特定含义。这个模拟的目的是准确展示网络如何把输入转换为输出，使用的正是已训练网络所用的同样运算。

tanh 函数有什么作用？

tanh 会把任意数压缩到 −1 到 1 之间。这使每个神经元的输出都有界，并让网络能够表示比简单直线关系更复杂的规律。

我如何使用神经网络模拟？

拖动三个输入滑块，观察颜色和输出如何变化。点击“随机化权重”即可生成一个结构相同的新网络。

嵌入这个模拟实验

免费嵌入你的学习平台、博客或班级网站。

<iframe src="https://kiwibee.io/zh-cn/simulations/neural-network-3d-simulation/embed" title="神经网络 | KiwiBee" loading="lazy" allowfullscreen style="width:100%;height:min(70vh,620px);min-height:420px;border:0;border-radius:16px"></iframe>

继续探索

更多互动科学模型

把互动科学带进你的课堂

KiwiBee 的免费教师工作台把备课、工作表、课堂工具和成绩册集中在一处。

免费开始，创建你的第一个班级

或了解教师工作台 →