使用说明
介绍
这是一个受 Google Tensorflow 的 Deep 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 。
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是简单的反向传导神经网络（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。
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。
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。
Last updated