技能训练
（1）什么是人工神经网络？
（2）简述神经网络的正向及反向传播过程。
（3）简述神经网络的应用。
（4）人工神经网络大数据算法操作实践。
① 作业目的。
旨在让学生了解人工神经网络的分类机制，借助图形变换感知算法的空间变换及核函数的应用。对学生在 Orange 中的应用不做要求。
② 作业准备。
Orange3 软件下载
并安装。
演示网站地址：
Google Tensorflow-Playground：二分类神经网络训练模型。网址为http://playground. tensorflow.org。
ConvnetJs demo：二分类神经网络训练模型，可以增删隐藏层及神经元个数。网址为
https://cs.stanford.edu/people/karpathy/convnetjs/demo/classify2d.html。
③ 作业内容。
作业包括两个部分：
● Google Tensorflow 参数操作；
● ConvnetJs 参数操作。
a. Google TensorFlow 参数。
设置 Learning rate，Activation，Regularization，Regularization rate 及 Problem Type 参数，
按要求完成填报，如表 2-7-2 所示。
表 2-7-2 参数填报
b. ConvnetJs 参数操作。
设置数据选项，包含 simple data，circle data，spiral data，random data。
设置核心函数，包含 fc（6），tanh（6），fc（2），tanh（2）等。
设置分类点控制：添加红点（Click）、添加绿点（SHIFT+Click）、去除点（CTRL+Click）。
并安装。
演示网站地址：
Google Tensorflow-Playground：二分类神经网络训练模型。网址为http://playground. tensorflow.org。
ConvnetJs demo：二分类神经网络训练模型，可以增删隐藏层及神经元个数。网址为
https://cs.stanford.edu/people/karpathy/convnetjs/demo/classify2d.html。
③ 作业内容。
作业包括两个部分：
● Google Tensorflow 参数操作；
● ConvnetJs 参数操作。
a. Google TensorFlow 参数。
设置 Learning rate，Activation，Regularization，Regularization rate 及 Problem Type 参数，
按要求完成填报，如表 2-7-2 所示。
表 2-7-2 参数填报
b. ConvnetJs 参数操作。
设置数据选项，包含 simple data，circle data，spiral data，random data。
设置核心函数，包含 fc（6），tanh（6），fc（2），tanh（2）等。
设置分类点控制：添加红点（Click）、添加绿点（SHIFT+Click）、去除点（CTRL+Click）。 按要求完成填报，如表 2-7-3 所示。
![[center][/center][size=100][center]表 2-7-3 参数填报[/center][/size]](https://www.geogebra.org/resource/bys5nj4f/cGboYFMxQaVGhb8b/material-bys5nj4f.png)
表 2-7-3 参数填报
c. 撰写数据测试报告。