# 使用说明

## 介绍

这是一个受 Google Tensorflow 的 [Deep playground](https://github.com/tensorflow/playground) 启发而制作的应用。本程序大量代码都借鉴了开源项目 [Deep playground](https://github.com/tensorflow/playground) 。

本程序致力于普及**神经网络、人工智能**的相关知识。通过本程序可以直观地感受到神经网络训练过程中的变化，包括连接的强弱、每个结点负责识别的特征和最终输出的图像等。

iPhone: <https://github.com/ypwhs/NNPlayground>

iPad: <https://github.com/ypwhs/NNPlayground_iPad>

## 原理

本程序使用的[神经网络](http://ufldl.stanford.edu/wiki/index.php/%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C)是简单的[反向传导](http://ufldl.stanford.edu/wiki/index.php/%E5%8F%8D%E5%90%91%E4%BC%A0%E5%AF%BC%E7%AE%97%E6%B3%95)神经网络（Backpropagation Neural Networks）。

## 参数介绍

### 学习速率

提高学习速率可以显著增加学习速度，但是选择不当就会造成振荡，在学习的过程中跃过最低点。

[更多](https://ypw.gitbook.io/nnplayground/learningrate)

### 激活函数（Activation function）

激活函数的作用是将神经网络的输出非线性化，使神经网络能够处理非线性数据。

本程序有三个激活函数，分别是ReLU、Sigmoid和Tanh。还有一个Linear相当于没有激活函数。

[更多](https://ypw.gitbook.io/nnplayground/activation)

### 正则化函数(Regularization function)

正则化也称权重衰减（Weight decay），目的是降低权值（Weight），防止过拟合。

本程序有两个正则化函数，分别是L1和L2，以及一个None选项。

[更多](https://ypw.gitbook.io/nnplayground/regularization)


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://ypw.gitbook.io/nnplayground/master.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.