Noesis：一个可实时观察神经网络「思考」过程的3D可视化工具

Noesis是一个开源神经网络可视化项目，通过纯TypeScript实现的神经网络引擎与Three.js 3D渲染结合，让用户能实时观察前馈神经网络的前向传播过程，为理解深度学习提供直观视觉体验。它基于MNIST数据集训练的多层感知机，支持用户选择或手绘数字，观察信号逐层传递、神经元激活及预测结果产生，兼具技术演示与教育工具价值。

Noesis（希腊语意为「纯粹的理解」）由Chemaclass维护，2026年6月5日在GitHub发布（链接：https://github.com/Chemaclass/noesis）。它将抽象神经网络内部机制转化为3D动态可视化，核心是基于MNIST的多层感知机，能在浏览器实时展示输入层到输出层的信号传播过程，帮助开发者和学生「看见」AI如何「思考」。

引擎层：纯TypeScript实现（src/core/），无外部依赖，可单元测试；网络结构为28×28输入层→64神经元隐藏层→32神经元隐藏层→10输出层（0-9）。

可视化层：Three.js（src/viz/），用实例化渲染高效展示神经元与连接；激活神经元发光，连接亮度反映权重大小，Bloom效果增强科技感。

训练：离线Node.js训练，AdamW优化器+小批量梯度下降+轻度数据增强，MNIST测试集准确率约98%；权重序列化为JSON供前端加载。

1. 实时数字识别：支持预设数字样本或手绘输入，经MNIST预处理后推理。

2. 信号传播可视化：播放按钮触发信号逐层传播，激活神经元发光展示。

3. 训练状态对比：可切换训练好的模型与随机权重模型，直观显示训练对性能的影响。

4. 交互式信息面板：右侧折叠面板提供网络架构、实时统计、图例及数学原理说明。

教学演示：帮助教育者将抽象概念（权重、激活函数等）转化为视觉体验，降低理解门槛。

自学辅助：自学者可观察输入对激活模式的影响，理解数字混淆原因及特征表示学习。

技术展示：展示TypeScript、Three.js、Vite结合的现代化Web应用开发方式。

零依赖核心引擎：可在浏览器、Node.js等环境运行，含完整单元测试。

关注点分离：严格区分业务逻辑（神经网络计算）与表现层（3D渲染），便于独立开发测试。

性能优化：Three.js实例化渲染确保流畅动画。

开源友好：MIT许可证，含贡献指南，ESLint静态检查+Vitest单元测试保证代码质量。

未来计划：浏览器内实时训练、神经元级检查（权重与感受野）、探索可解释性（决策树/符号模式）、支持自定义网络架构。

总结：Noesis通过可视化让深度学习更易理解，是优秀教育工具；其架构设计（关注点分离、可测试代码）为开发者提供参考。可访问在线演示（https://chemaclass.github.io/noesis/）体验或克隆仓库本地运行。