数字を読むことを学習する本物の全結合ネットワーク。すべての球がニューロン、すべての線が重みです。任意の球をクリックして開き、正確な合計を確認してください；線が明るいのは上流の活性化 × その重みが大きいからです。
∇-check 確認中…
エポック
0
学習済みサンプル
0
訓練損失
—
テスト精度
—
パラメータ数
—
ステータス
待機中
順方向 · 活性化信号
興奮性（+ 重み）
抑制性（− 重み）
逆方向 · 誤差勾配
勾配パルス →
線 = モデル（重み）
球 = 活性化値（入力ごと）
ドラッグ 回転 · スクロール ズーム · 球をクリック 開く
訓練中：既知 vs 学習
INPUT値は 既知 — 入力するピクセル
HIDDEN 1重みは 未知 — 意味は自己学習 · 目標なし
HIDDEN 2重みは 未知 — 意味は自己学習 · 目標なし
OUTPUT意味 + 目標は 既知 · 重みは 未知
すべての線は重み = 未知；訓練はその全 — 個を解くことです。私たちが設計するのは層、サイズ、活性化関数 & 損失関数；私たちが得るのは訓練済み重みです。隠れ層には解答キーがありません — 出力からの誤差が逆伝播されるだけです。
ニューロンの内部 · 正確な合計
— 選択してください —線が明るいのはなぜ？ · 仕組み
各線は1つの数値を運びます：上流ニューロンの活性化値とこの線の重みの積（ai · wij）。その積が大きいとき線が明るくなります — ソースニューロンが強く発火しているか、重みが大きいか、またはその両方。暖色 = 対象を押し上げる、寒色 = 引き下げる。ニューロンを開いてバーをホバーすると対応する線が光ります。
教師あり学習 · 与えられるもの
探索中画像 常に既知
答え：—
ネットの予測： — —
損失： — （どれだけ間違っているか）
修正が逆伝播されます
訓練画像はそれぞれ正解と対でやってきます；ネットはそれに向けて重みを調整します。探索 / テスト時は答えが伏せられます — ネットは単独で答えを出さなければなりません。
出力 · 10個の答えニューロン（softmax）
最後の層の10個のニューロンが競合します；softmax がスコアを合計1の確率に変換します。
探索 & 描画 · 数字を入力
きれいな数字を送るか、自分で描いてください（16×16がネットの実際の入力サイズ）。グラフ全体が即座に再発火します。