我有一个可能微不足道的问题，但在我看过的任何地方都没有描述过。我正在研究神经网络，到处都有一些理论和一些简单的例子，其中一些 0 和 1 作为输入。我想知道:我是否必须只将一个值作为一个神经元的输入值，或者它可以是一个向量，比如说，3 个值(例如 RGB 颜色)？
最佳答案
上面的答案在技术上是正确的，但并没有解释简单的事实:永远不会出现您需要将数字向量提供给单个神经元的情况。
从实际的角度来看，这是因为(如早期解决方案之一所示)您可以只为向量中的每个数字拥有一个神经元，然后将所有这些作为单个神经元的输入。这应该会让你在训练后得到你想要的行为，因为第二层神经元可以有效地利用整个向量。
从数学的角度来看，编码理论有一个基本定理，即任何数字向量都可以表示为单个数字。因此，如果您真的不想要额外的神经元层，您可以简单地将 RGB 值编码为一个数字并将其输入到神经元。尽管如此，这个编码功能可能会使大多数学习问题变得更加困难，所以我怀疑这个解决方案在大多数情况下是否值得。
总而言之:使用人工神经网络时不会为输入单元提供向量，但不会因此失去计算能力。
关于neural-network - 神经网络 - 输入值，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/652530/