为什么我们需要人工神经网络中的层？

Question

我对人工神经网络很陌生，而我无法理解的是为什么我们需要层的概念。 是不是足以将每个神经元连接到其他神经元创建一种网络，而不是基于分层的结构？

例如，为了解决XOR，我们通常需要至少3层，1个输入带2个神经元，1个隐藏层带有一些神经元，1个输出层带有1个神经元。

难道我们不能用2个输入神经元创建一个网络（我们需要它们）和1个由其他神经元连接的输出吗？

Example of what I mean

Answer 1

术语“图层”与您的想法不同。 总有一个神经元的“网络”。一层只是表示一组神经元。

如果我想将第X层与第Y层连接，这意味着我将所有神经元从第X层连接到第Y层的所有神经元。但并非总是如此！您还可以将层X中的每个神经元连接到层Y中的一个神经元。有许多不同的连接技术。

但不需要图层！它只是使编码（和解释）过程变得更加容易。您可以逐层连接它们，而不是逐个连接所有神经元。说“A层和B层连接”比“神经元1,2,3,4,5都与神经元6,7,8,9连接”要容易得多。

如果您对'无层'网络感兴趣，请查看Liquid State Machines：

（神经元可能看起来是分层的，但它们不是！）

PS：我开发了一个Javascript神经网络库，我创建了一个在线演示，其中神经网络演变为异或门 - 没有层，只是从输入和输出开始。 View it here.。您的示例图片正是您可以使用此库开发的网络类型。