神经网络：互动练习

在下面的互动练习中，您将进一步探索 神经网络。首先，您将看到参数和超参数如何变化 会影响网络的预测。然后，您将利用学到的知识来 来拟合非线性数据。

练习 1

以下 widget 会设置具有以下配置的神经网络：

• 包含 3 个神经元的输入层，分别包含值 0.00、0.00 和 0.00
• 包含 4 个神经元的隐藏层
• 包含 1 个神经元的输出层
• ReLU 激活函数应用于 所有隐藏层节点和

查看广告联盟的初始设置（注意：请勿点击 ▶️ 或 >| 按钮），然后完成该微件下方的任务。

任务 1

神经网络模型的三个输入特征的值 0.00。点击网络中的每个节点， 值。在点击“播放”(▶️) 按钮之前，请先回答以下问题：

现在，点击网络上方的播放 (▶️) 按钮，然后观察所有隐藏层 和输出节点值进行填充。以上答案正确吗？

任务 2

在修改神经网络之前，请先回答以下问题：

现在，修改神经网络以添加一个包含 3 个节点的新隐藏层，如下所示：

1. 点击文本 1 个隐藏层左侧的 + 按钮，添加新层 隐藏层。
2. 点击新隐藏层上方的 + 按钮两次可再添加 2 个节点 传递给层。

以上答案正确吗？

任务 3

点击网络第一个隐藏层中的第二个节点（从顶部开始） 图表。在对网络配置进行任何更改之前，请先回答 以下问题：

现在，点击权重 w₁₂（显示在 第一个输入节点 x₁），将其值更改为 5.00，然后按 Enter 键。 观察图表的更新。

您的答案正确吗？验证答案时要小心：如果节点 值没有变化，这是否意味着基础计算没有变化？

练习 2

在特征交叉练习中， 请参阅“分类数据”模块 您手动构建了特征组合来拟合非线性数据。 现在，看看你能否构建一个 如何在训练期间拟合非线性数据。

您的任务：配置一个能够将橙点与白点分开的神经网络 下图中的蓝点，两者的损失都小于 0.2 训练数据和测试数据。

说明：

在下面的互动式 widget 中：

1. 使用一些超参数进行实验，从而修改神经网络超参数 以下配置设置之一：
   • 通过点击 + 和 - 按钮来添加或移除隐藏层： （位于网络图中隐藏层标题的左侧）。
   • 点击 + 和 - 在隐藏层中添加或移除神经元 按钮。
   • 通过从学习速率中选择新值来更改学习速率 下拉菜单。
   • 更改激活函数，方法是从 激活下拉菜单。
2. 点击图表上方的播放 (▶️) 按钮可训练神经网络 使用指定的参数训练该模型。
3. 观察与训练数据拟合的模型的可视化效果 以及 测试损失和 训练损失值，位于 输出部分。
4. 如果模型在测试和训练数据上的损失达不到 0.2， 点击“重置”，然后以不同的一组配置重复执行第 1-3 步 设置。重复此过程，直至达到您期望的结果。