在以下互動練習中，你將進一步探索神經網路的內部運作機制。首先，你將了解參數和超參數的變化如何影響網路的預測結果。然後，你將運用所學知識訓練一個神經網路來擬合非線性資料。
練習1
以下組件使用以下配置設定神經網路：
- 輸入層包含 3 個神經元
0.00其值分別為0.00和0.00 - 隱藏層包含4個神經元
- 輸出層（1個神經元）
- ReLU激活函數應用於所有隱藏層節點和輸出節點
查看網路的初始設定（注意：暫時不要點擊▶️或>|按鈕），然後完成小工具下面的任務。
任務1
神經網路模型的三個輸入特徵的值均為0.00 。點擊網路中的每個節點即可查看所有初始化值。在點擊「播放 ( ▶️ )」按鈕之前，請先回答以下問題：
你認為會產生什麼樣的產出值：正值、負值還是 0？
您選擇了正的輸出值。請按照以下說明對輸入資料進行推理，看看您的選擇是否正確。
你選擇了負的輸出值。請依照以下說明對輸入資料進行推理，看看你的判斷是否正確。
您選擇的輸出值為 0。請按照以下說明對輸入資料進行推理，看看您的選擇是否正確。
現在點擊網路圖上方的播放（▶️）按鈕，觀察所有隱藏層節點和輸出節點的數值如何變化。你上面的答案正確嗎？
任務 2
在修改神經網路之前，請先回答以下問題：
如果在神經網路的第一個隱藏層之後再增加一個隱藏層，並給這個新層 3 個節點，同時保持所有輸入和權重/偏移參數不變，那麼其他哪些節點的計算會受到影響？
您選擇了網路中除輸入節點之外的所有節點。請按照以下說明更新神經網絡，看看您的選擇是否正確。
您只選擇了第一個隱藏層中的節點。請按照以下說明更新神經網絡，看看是否正確。
您只選擇了輸出節點。請按照以下說明更新神經網絡，看看是否正確。
現在修改神經網絡，新增一個包含 3 個節點的新隱藏層，如下所示：
- 點選文字「1 個隱藏圖層」左側的「 +」按鈕，在輸出圖層之前新增一個新的隱藏圖層。
- 點選新隱藏圖層上方的「+」按鈕兩次，即可新增 2 個節點到該圖層。
你上面的答案正確嗎？
任務3
點選網路圖第一層隱藏區域中從上往下數的第二個節點。在對網路配置進行任何變更之前，請回答以下問題：
如果更改權重 w 12 （顯示在第一個輸入節點 x 1下方）的值，對於某些輸入值，哪些其他節點的計算可能會受到影響？
您選擇了“無” 。請按照以下說明更新神經網絡，看看您的選擇是否正確。
您選擇了第一隱藏層中的第二個節點、第二隱藏層中的所有節點、輸出節點。請按照以下說明更新神經網絡，看看您的選擇是否正確。
您選擇了第一隱藏層、第二隱藏層和輸出層中的所有節點。請按照以下說明更新神經網絡，看看您的選擇是否正確。
現在，點擊權重 w 12的文字方塊（顯示在第一個輸入節點 x 1下方），將其值變更為5.00 ，然後按 Enter 鍵。觀察圖表的更新。
你的答案正確嗎？驗證答案時要小心：如果節點值沒有改變，是否代表底層運算也沒有改變？
練習 2
在分類資料模組的特徵交叉練習中，您手動建立了特徵交叉來擬合非線性資料。現在，您將嘗試建立一個神經網絡，使其能夠在訓練過程中自動學習如何擬合非線性資料。
你的任務：配置一個神經網絡，使其能夠將下圖中的橙色點與藍色點分開，在訓練資料和測試資料上實現小於 0.2 的損失。
指示：
在下面的互動式元件中：
- 透過嘗試以下一些配置設定來修改神經網路超參數：
- 在網路圖中，按一下「隱藏圖層」標題左側的+和-按鈕，即可新增或刪除隱藏圖層。
- 點選隱藏層列上方的+和-按鈕，即可新增或刪除神經元到隱藏層。
- 透過從圖表上方的「學習率」下拉式選單中選擇新值來變更學習率。
- 透過從圖表上方的「啟動」下拉式選單中選擇新值來變更激活函數。
- 點選圖表上方的播放（▶️）按鈕，使用指定的參數訓練神經網路模型。
- 觀察模型在訓練過程中擬合資料的視覺化效果，以及輸出部分中的測試損失和訓練損失值。
- 如果模型在測試集和訓練集上的損失值均未低於 0.2，請按一下“重設”，然後使用不同的組態設定重複步驟 1-3。重複此過程，直至獲得理想結果。