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.
神經網絡
關於這個模擬實驗
此模擬展示一個真實的三-五-五-二神經網絡執行前向傳播。每個神經元將加權輸入加上偏置,然後以 tanh 函數壓縮結果。學生移動三個輸入滑桿,可見訊號如何流動:青色連線代表正權重,橙色代表負權重,神經元的顏色和大小顯示激活值。按鈕可隨機化權重。由於權重未經訓練,重點在於展示運算方式,因此這是認識機器學習模型如何計算的入門好材料。
學生可以探索什麼
- 移動輸入 x1、x2 和 x3,觀察輸出 y1 和輸出 y2 如何改變。
- 觀察連線顏色,找出哪些權重為正,哪些為負。
- 按「隨機化權重」,看相同的輸入如何得出不同的輸出。
- 把三個輸入全部設為 0,看輸出和「隱藏層平均激活值」如何變化。
- 把輸入推至極限,留意 tanh 壓縮如何令數值保持在 -1 至 1 之間。
學習目標
- 1將神經元描述為加權和加上偏置,再經過激活函數處理。
- 2追蹤資訊如何經神經網絡的各層向前傳遞。
- 3解釋正權重與負權重對訊號有何影響。
- 4認識輸出同時取決於輸入與權重。
教師常問的問題
可以免費使用嗎?
可以。它免費,可在任何現代瀏覽器上運行,包括白板和平板電腦,無需登記。
這個網絡是否經過訓練以執行某項任務?
否。權重是隨機的,因此輸出並無特定意義。本模擬的目的是展示網絡如何把輸入轉換為輸出,所用的運算與已訓練網絡所用的相同。
雙曲正切函數 (tanh) 有什麼作用?
雙曲正切會把任何數值壓縮到負 1 至 1 之間。這使每個神經元的輸出有上下限,並讓網絡能表示比簡單直線關係更複雜的規律。
我怎樣使用神經網絡模擬?
拖動三個輸入滑桿,觀察顏色和輸出的變化。按「隨機化權重」可建立形狀相同的新網絡。
嵌入這個模擬實驗
免費嵌入你的學習平台、網誌或班級網頁。
<iframe src="https://kiwibee.io/zh/simulations/neural-network-3d-simulation/embed" title="神經網絡 | KiwiBee" loading="lazy" allowfullscreen style="width:100%;height:min(70vh,620px);min-height:420px;border:0;border-radius:16px"></iframe>繼續探索
更多互動科學模型

剖面引擎汽缸顯示循環四個衝程中的活塞、氣門和火花。學生改變引擎轉速和點火提前角,並觀察衝程、循環角度、汽缸壓力和氣門狀態如何更新。

水壩、壓力水管和渦輪以 3D 顯示。學生改變閘門開度和被稱為水頭的水位,並讀取水流量、壓力水管水流速度、電功率和每日能量。

一座中世紀投石機在 3D 中擺動其臂並拋出石塊。學生可改變配重質量、臂比及釋放角,按「發射」,並讀取釋放速度、射程及飛行時間。

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.
把互動科學帶進你的課堂
KiwiBee 的免費教師工作空間,把備課、工作紙、課堂工具和成績冊集中在同一處。
免費開始,建立你的第一個班別