不确定这是一两个问题，虽然我认为这两个问题的答案都是＆＃34;不会，但它不会产生任何影响＆＃34;，你和我对其他问题都是非常错误的以前傻问题。
1.神经网络输入是否依赖于它们之间的排列？例如，如果我有7个神经元代表一周中的几天，而不是按照SMTWRFS的常识方式排列它们，如果在我的训练，验证和测试集中一致地完成，我可以将它们安排为MFRSSTW吗？或者这会以某种方式影响机器根据我们（人类，社会等）典型的一周安排来学习模式的能力？这只是一个EXMAPLE！但它证明了我的问题的一个极端例子。显然，人类更难以遵循，所以我不会这样做，除非从数据收集的角度或由于某些其他限制而有意义。
*我相信这个问题的答案是否定的，因为所有神经元都是完全相互连接的，并且调整突触权重以适应紧急模式，无论它们相对于彼此的位置如何。
2a上。输入规范化是否相互依赖，或者只要一致地完成，它们是否可以单独归一化？例如，输入1-8从（0,200）归一化 - > （-1,1），以及从（0,100000）开始规范的输入8-10 - ＆gt; （-1,1），然后一起用于学习/计算。
2a上。输出可以非规范化独立于输入吗？与上面相同的例子，输入1-8从（0,200）归一化 - > （-1,1），以及从（0,100000）开始规范的输入8-10 - ＆gt; （-1,1），但是输出从（-1,1）标准化 - ＆gt; （0,5000）？
*我认为只要规范化和非规范化在呈现给网络时一致地完成，这在任何一种情况下都不应该有所不同。
答案 0 :(得分：0)
如您所料，人工神经网络（至少在广泛使用的多层感知器中）的输入可以任意排列。预测/分类结果与输入的排列无关。
归一化阶段的目标是所有变量的平均值应该接近于零，并且它们的方差应该相似，通常接近1.因此，正如您所指出的，每个变量必须独立归一化。输出也会发生类似的情况。
从理论的角度来看，不需要归一化，但是，这是人工神经网络实际应用中的重要一步。关于神经网络的这个和其他实用技巧可以在LeCun's paper中找到。