网络架构
输入层
4 神经元
隐藏层
4 层 × 8 神经元
输出层
1 神经元
训练控制
训练数据
损失函数曲线
神经网络可视化 · 前馈结构
输入层
隐藏层
输出层
正权重
负权重
零权重
💡 MLP 特点：所有输入数据一次性同时进入网络，经过各层计算后一次性输出结果。数据单向流动，不考虑时间顺序。
数据流演示 · 对比
✓ MLP (本页)
x₁, x₂
→
隐藏层
→
y
所有输入同时处理
无时间顺序概念
无时间顺序概念
✗ RNN (对比)
x₁
→
x₂
→
x₃
→
y
输入逐个顺序处理
有记忆功能
有记忆功能
训练状态
0
当前轮次
-
当前损失
-
准确率
0s
训练时间
权重矩阵
创建网络后查看权重
模型预测
预测输出
-