NeuroViz：神经网络训练中前向与反向传递的实时交互可视化
机器学习
2026-05-26 v2
摘要
神经网络训练难以解释，尤其是对新手而言。我们介绍NeuroViz，这是一个支持实时探索全连接神经网络训练的交互式可视化工具。用户可以配置网络结构、激活函数、学习率和数据集，然后观察激活、权重更新和损失过程。NeuroViz在前向和反向传递中直接对应地可视化权重变化，使用户能够在单个纪元中区分更新前后状态，并查看动态更新的每个神经元方程。我们对NeuroViz进行了与六个 established 可视化工具的比较用户研究，使用31名参与者。我们取得了最高的可用性得分（SUS 80.97，处于"优秀"范围），平均排名分别为清晰度2.47，实用性2.23（数值越低越好）。超过70%的参与者报告称，这些可视化显著增加了他们对神经网络训练透明性的感知。实现的实例可访问于 https://neuroviz.org。
引用
@article{arxiv.2605.02044,
title = {NeuroViz: Real-time Interactive Visualization of Forward and Backward Passes in Neural Network Training},
author = {Tanvi Sharma and Reza Rawassizadeh},
journal= {arXiv preprint arXiv:2605.02044},
year = {2026}
}
备注
9 pages, 4 figures, 6 tables