积极 AI Logo 积极 AI

人工神经网络示例：感知机与逻辑回归的可视化

人工神经网络示例：感知机与逻辑回归的可视化
几何画板及绘图内容加载中，请稍等……
2020-10-22 07:53
函数微积分最值优化滑块动画函数图像
① 该范例通过GeoGebra动态展示了一个简单人工神经网络（含输入层、隐藏层和输出层）的运算过程，直观呈现了神经元如何对输入加权求和并经过激活函数产生输出。② 核心数学概念包括线性函数、分段函数（如阶跃或Sigmoid）、逻辑回归、权重与偏置参数，以及误差反向传播的直观基础。③ 作图要点：使用Segment连接神经元节点，Point定义输入输出位置，Textfield用于交互输入权重和偏置；对象包括多个权重变量（w_1至w_8）、偏置（b_1, b_2）、净输入（net_{h1}）和输出（out_{h1}）等，通过滑块或文本框调节参数，观察网络输出变化。④ 适合高中至大学阶段的数学或计算机科学课程，用于理解神经网络中的线性代数、函数复合和参数优化思想，也可作为人工智能入门教学的直观教具。

GeoGebra 命令及参数

  1. Segment(A, C) → f
  2. Segment(A, D) → g
  3. Segment(B, C) → h
  4. Segment(B, D) → i
  5. Segment(G, C) → j
  6. Segment(G, D) → k
  7. Segment(S, E) → l
  8. Segment(R, F) → p
  9. Segment(H, E) → q
  10. Segment(H, F) → r
  11. Point(g) → I
  12. Point(h) → J
  13. Point(f) → K
  14. Segment(S, F) → m
  15. Point(m) → M
  16. Point(l) → N
  17. Point(p) → O
  18. Segment(R, E) → n
  19. Point(n) → P
  20. Point(i) → L
  21. Textfield(i_1) → InputBox1
  22. Textfield(i_2) → InputBox2
  23. Textfield(o_1) → InputBox3
  24. Textfield(o_2) → InputBox4
  25. Segment(C, R) → s
  26. Segment(D, S) → t
  27. Point(s) → T
  28. Point(t) → U
  29. Segment(E, Q) → a
  30. Segment(F, V) → b
  31. Point(a) → W
  32. Point(b) → Z
  33. Segment(Q, A_1) → c
  34. Segment(V, B_1) → d
  35. Point(c) → C_1
  36. Point(d) → D_1
  37. Segment(A_1, E_1) → e
  38. Segment(B_1, E_1) → f_1
  39. Textfield(b_2) → InputBox5
  40. Textfield(b_1) → InputBox6
  41. Textfield(eta) → InputBox7

AI 绘图提示语参考

请绘制一个简单的神经网络示意图，包含输入层、隐藏层和输出层。展示加权求和与激活函数的过程，关键对象包括权重、偏置、净输入和输出。允许用户通过交互调整参数，观察网络输出变化。该图形适用于数学或计算机科学教学，帮助理解线性代数、函数复合与参数优化。
以上提示语为根据原始绘图命令整理而来，仅供参考。