解释神经网络中的神经元

Question

我已经提出了使用神经网络的分类问题的解决方案。我也有相同的权重向量。数据是5维的，隐藏层中有5个神经元。 假设神经元1具有输入权重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神经元没有具体的解释？

Answer 1

单个神经元不会给你任何解释，但是看几个神经元的组合可以告诉你数据中的哪个模式是由那组神经元捕获的（假设你的数据足够复杂，有多个模式，但是不太复杂，网络中的连接太多了。）

Answer 2

对应于神经元1的权重，在您的情况下为w11 ... w15，是将5个输入要素映射到该神经元的权重。权重量化每个特征将影响其相应神经元的程度（其依次表示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，它最基本上是矩阵输出之差的平方和乘法和实际标签。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。