神经网络技术是通过计算机程序来从数据中学习,它是基于人类大脑学习的过程建立的。首先,创建神经元,然后链接在一起,互相发送消息;其次,网络是用来解决问题的,每次加强通往成功的链接,减弱通往失败的链接。更详细的神经网络介绍可以前往Michael Nielsen的 《Neural Networks and Deep Learning》 ,技术综述可参考 《Deep Learning》 。
你可以遵守Apache License协议来使用本项目托管在 GitHub上的开源代码 (采用 typescript和d3.js编写),希望它能使神经网络更容易理解和学习。
提供下面一些控制选项来让你指定某个topic或者lesson,选完后保存链接,或者刷新网页。
橘黄色和蓝色用在整个可视化中,整体上讲,橘黄色代表负值,蓝色代表正值。
小圆圈代表的数据点初始化橘黄色或者蓝色,相应地代表正值和负值。
在隐藏层(hidden layer),神经元间的连线颜色代表权重,蓝色表表正权重,意思是网络在用神经元的输出作为输入;橘黄色的连线代表网络被赋予负权重。
在输出层,橘黄色或者蓝色的点取决于原始值,背景色显示来某个区域的网络预测,颜色的密度代表预测的可信度。
原文链接: http://playground.tensorflow.org/