FEATURES 特徵
點圖切換：亮起啟用、暗下停用
小圖皆以 x₁ 橫向、x₂ 縱向，色彩表示特徵值。
OUTPUT · 最終預測
逐層數值與連線權重
精確編輯資料點
| 點 | 用途 | x₁ | x₂ | 類別 | 藍類機率 | 判定 |
|---|
進階設定
SGD／mini-batch
B 是本次抽到的訓練點，此處 a 是所有權重與偏置（參數向量），不同於逐層圖的神經元輸出 a，η 是學習率。Batch size＝1：SGD；大於1但少於全部：mini-batch；使用全部點：全批次。
以上是 Momentum＝0、未使用正則化時的更新式；開啟 L2 會加入權重約束梯度，Momentum 則會累積先前更新方向。
Momentum（動量）：μ 保留先前更新方向，初始速度 v₀＝0。
Decay（學習率衰減）：d 是衰減強度，t 是已更新次數，η₀ 是起始學習率；關閉時 d＝0。
開啟 L2 時，gₜ 另加上 L2 梯度：權重增加 λw，偏置不加約束。
CE（Cross-Entropy，交叉熵）
限制權重變得太大，看看模型如何改變。強度太高也可能學不好。
L2：權重平方總和。
λ 是約束強度，w 包含所有連線權重，不含偏置 b。資料損失隨任務選擇 CE 或 MSE；畫面訓練損失以全部訓練點計算。