多级分类神经网络......我很困惑

Question

也许是它的大词，也许是它的所有数字和方程式。让我从我所知道的和我想要做的事开始。

我理解在神经网络中我有一个节点将信息发送到另一个节点，依此类推。我理解在多类分类神经网络中，我正在尝试优化具有功能的节点或节点，并且我需要训练这样做。现在，无论我理解的是否正确......让我们继续前进

我正在努力做的是理解我正在努力回答的课程问题。这个问题简单地要求我为一个具有至少10 ^ 5个特征的多类分类神经网络设计一个算法，然后我需要训练它至少10 ^ 9次。

这是我目前解决这个问题的思考过程。这在理论上非常容易，我会将其缩小到最少的节点，以便进行简单的解释。首先，我有一个输入节点，我的目标是到达输出节点。单个输入节点有很多功能，然后我通过10 ^ 9列车将所有这些功能放到一起，然后将它们全部发送回输出节点。看起来像这样：

这个算法有什么问题吗？ 我建议的确实有效吗？ 我理解这个吗？ 我不确定它应该如我所描述的那么容易，请解释我的错误以及如果我错了我不会得到的。

Answer 1

通常神经网络就是这样设计的。节点分为几层。第一层是输入层，每个特征有一个输入节点。最后一层是输出层，每个类有一个节点要学习。在最简单的情况下，中间只有一层，称为隐藏层。如果你有几个隐藏层，他们被称为深度神经网络。

以下是classifying digits的示例神经网络：

当您训练神经网络时，您首先通过网络前进对样本进行分类，然后再次向后通过网络并修改权重以稍微向正确的方向移动结果。这称为backpropagation。

您应该查看一些示例和教程，以便更熟悉这些概念。例如This。