我想出了一个使用神经网络来解决分类问题的方法。我也有相同的权重向量。数据是 5 维的，隐藏层有 5 个神经元。假设神经元 1 有输入权重 w11, w12, ...w15 我必须解释这些权重的物理解释......就像这些权重的组合，它在问题中代表什么。是否存在任何这样的解释或者是神经元没有具体的解释吗？
问问题
145 次
2 回答
0
对应于神经元 1 的权重，在您的情况下为 w11...w15，是将 5 个输入特征映射到该神经元的权重。权重量化了每个特征对其各自神经元的影响程度（依次代表一些更高维度的特征）。每个神经元都是这些权重的矩阵表示，通常在应用激活函数之后。
确定神经元矩阵值的数学公式是特征矩阵和权重矩阵的矩阵乘法，并使用损失函数，它基本上是矩阵乘法的输出与实际标签。然后使用随机梯度下降来调整权重矩阵的值以最小化损失函数。
于 2017-09-09T22:14:00.423 回答
0
单个神经元不会给您任何解释，但是查看几个神经元的组合可以告诉您数据中的哪个模式被该组神经元捕获（假设您的数据足够复杂，可以有多个模式但又不太复杂网络中的连接太多）。
于 2015-08-14T09:51:44.823 回答