神经网络是否复杂＆＃34;线性函数＆＃34;有很多参数？

Question

  

  
1. 神经网络很复杂______________，有很多参数   a）线性函数;
     b）非线性函数;
     c）离散函数;
     d）指数函数
        

答案：a。说明：神经网络是具有许多参数的复杂线性函数。

来自：https://www.sanfoundry.com/ai-multiple-choice-questions-answers/

我不确定NN是否只是＆＃34;线性＆＃34;功能？我们被要求在我的大学的测验中回答这个问题。但是，我认为具有非线性激活函数的NN不是线性的。

Answer 1

关于线性函数的好处是你可以提前组合它们，因为组合线性函数可以获得另一个线性函数（矩阵乘法和所有这些）。

因此，如果只是线性函数，那么您基本上只有一个单层网络。它是层之间的非线性转换，导致层实际上有用，所以我说这些非线性功能。

Answer 2

这个问题的描写略有不正确。虽然你可以说神经网络的核心是矩阵尺度（或n维尺度）上的线性方程，但只有非线性激活才能使它学到一些相关的东西。

尽管如此，您可以将激活函数设为activation(x) = k * x + c，在这种情况下，答案可能是复杂的线性函数。然而，线性函数的线性组合总是会产生线性函数。但是，神经网络清楚地学习非线性函数来解决机器学习问题。

所以，我们不能说它们是线性函数。

Answer 3

问题有点模棱两可。如果我们使用线性激活函数（身份激活函数），或者如果我们没有激活函数，那么无论我们的神经网络有多少层，它所做的只是计算线性激活函数。因此我们也可能没有隐藏层。

仅在采用非线性激活函数后，神经网络学习相关信息。这就是激活函数是非线性的原因。

因此，根据我的看法，很容易将它们视为具有许多参数的复杂 非线性函数 。

Answer 4

NN 是“函数逼近器”。

它们本身不是函数。

神经网络可以设计为近似输入和相应输出之间的几乎任何类型的关系。

每个神经元使用从简单到复杂的任何函数来近似目标（训练）行为。

因此，我们可以设计一个 NN 来近似线性关系、非线性关系、指数关系，甚至是 DeepMind、AlphaGo 等极其复杂的行为。

所以，我认为这个问题应该重新措辞。

Answer 5

单个神经元适用于线性问题，但现实世界的问题大多是复杂的，这意味着非线性。所以ANN/NN可以产生高度非线性的函数，可以帮助我们解决非线性问题，产生非线性函数的原因是神经元之间的加权连接。所以神经网络是复杂的线性和非线性函数，有很多参数。