呃，什麼是類神經網路？
這是建構能從資料中學習的電腦程式的一種技巧。這完全是我們的人類大腦運作原理很鬆耦合。首先，系統會建立一組軟體「神經元」，並串連在一起，讓這些軟體「神經元」互相傳送訊息。接著，網路系統會要求網路解決問題，而網路會不斷不斷地尋找解決辦法。每次強化連線起來後，網路都會不斷精進，而造成失敗的狀況也逐漸下降。如需進一步瞭解類神經網路，不妨先從 Michael Nielsen 的類神經網路與深度學習著手。如需更多技術簡介，歡迎試用 Ian Goodfellow、Yoshua Bengio 和 Aaron Courville 的深度學習。
這很酷，我可以重新剪輯嗎？
敬請配合！因此我們在 GitHub 上提供開放原始碼，希望藉此讓類神經網路更容易取得及理解。您可在任何遵循 Apache 授權的情況下免費使用。如果你有任何新增或變更的建議，請與我們聯絡。
此外，我們也在下方提供一些控制選項，以便您配合特定主題或課程調整遊樂場。請在下方選擇您希望顯示的功能，然後儲存，或重新整理網頁。
各種色彩的自訂效果如何？
橘色和藍色的使用方式會稍有不同，但一般橘色顯示負值，藍色表示正值。
資料點 (以小圓圈表示) 一開始會顯示橘色或藍色，對應正值和負數。
在隱藏層中，線條會依據神經元之間的連結權重標上不同顏色。藍色顯示為正權重，表示網路正在使用神經元的輸出內容。橘色線條代表網路正在輔助負體重。
在輸出層中，圓點會顯示為橘色或藍色，視其原始的值而定。背景顏色顯示網路預測特定區域的預測結果。顏色強度代表預測結果的信心程度。
你使用哪一種圖書館？
我們編寫了迷你的類神經網路資料庫 來滿足教學視覺上的需求如果是實際應用程式，請考慮使用 TensorFlow 程式庫。
抵免額
這是由 Daniel Smilkov 和 Shan Carter 所創作。 以上就是許多人以前的工作內容，其中最值得注意的是 Andrej Karpathy 的 convnet.js 示範 以及 Chris Olah 對類神經網路的文章。 再次感謝 D.Sculley 提供了原始構想，以及 Fernanda Viégas、Martin Wattenberg 和其餘人員的協助 Big Picture 和 Google Brain 團隊會提供意見回饋和指引，