恩... 什麼是神經網路呢？
這是一個程式設計方法使得電腦能夠從我們給予的資料進行學習，他的設計想法來自於模仿人類大腦神經的運作方式。在這個模仿的架構中，首先，會有成群由軟體定義的"neurous(神經)"被創造出來，同時他們會被一個一個串接起來，就像人類大腦的神經網路一樣，他們可以透過首尾相連的神經進行資訊的傳輸。接著，這個神經網路會被用來解決一個的問題，他會試著一遍又一遍的處理這個問題，而在每一次的處理中，加重依賴那些最終會使結果正確的連線且減少依賴導致錯誤的連接。想要更近一步了解神經網路的話，可以參考Michael Nielsen著作的Neural Networks and Deep Learning。如果想認識更多神經網路的技術，可以參考Ian Goodfellow, Yoshua Bengio, and Aaron Courville著作的Deep Learning。
好神奇歐，我可以在這個網頁做些什麼呢？
我們提供了一套完整的神經網路遊玩系統，同時，我們也提供了一些選項讓你來編輯這個系統，只要勾選以下想要使用的功能並且儲存 ，或是 重新整理 這個頁面即可。
上面那些顏色代表什麼意思呢？
橘色和藍色在每一階段視覺化中的意義可能有些許不同，但總的來說，橘色代表是的負向的意義，而藍色代表正向的意義。
每一個資料點(用一點一點的小圓圈表示)，在一開始會被塗上橘色或藍色，代表著對應的負向或正向的值。
在hidden layers中，每一條串接neurons之間的連線都會基於其weight被賦予顏色。藍色的線代表其weight為正數值，意味著該神經網路會採用這個neurons的output作為運算結果的一部分。反之，橘色的線代表其weight為負數值。
在output layer中，每一個資料點的顏色都是基於初始值給予橘色或藍色(就是起始的資料點)。而背景的顏色則對應著我們訓練出來的神經網路預測出的output區塊，越深的顏色意味著神經網路對於該預測的信心越高。
Credits
This was created by Daniel Smilkov and Shan Carter. This is a continuation of many people’s previous work — most notably Andrej Karpathy’s convnet.js demo and Chris Olah’s articles about neural networks. Many thanks also to D. Sculley for help with the original idea and to Fernanda Viégas and Martin Wattenberg and the rest of the Big Picture and Google Brain teams for feedback and guidance.