这两个神经网络结构之间的根本区别是什么？

Question

神经网络的处理有什么根本区别，例如，接收三个单独的输入以提供单个输出，以及一个输入大小为3的单个输入以提供一个输出的网络？

如果有任何差异，那么何时何地比另一种更适用或有用？另外，将输入分配给第一个网络（具有多个输入的网络）的最佳方法是什么？

Answer 1

神经网络接收一个或多个实例或要素向量作为输入，他们可以从中学习或做出预测。

一个这样的例子通常是向量。向量的每个元素都被赋值给输入神经元，它只返回它分配给（第一个）隐藏层神经元的内容。

因此，据我所知并理解您的问题，“三个单独的输入”和“一个大小3的单个输入”之间没有区别。在我看来，说“大小3的单个输入”是更正确的，因为你一次输入一个实例，并且该实例具有一定的大小（当然，优化的实现允许你输入更多通过使用矩阵乘法的时间，但从概念上讲，神经网络一次处理单个实例。

  

此外，将输入分配给第一个网络（具有多个输入的网络）的最佳方法是什么？

就像我说的那样，每个实例或特征向量的元素都被分配给一个输入神经元，它只返回它的输入。这是输入图层。