我已经在这里问过这个问题：Can Convolutional Neural Networks (CNN) be represented by a Mathematical formula?，但我感到自己不够清楚，而且提议的想法对我也不起作用。
假设我使用计算机来训练某种机器学习算法（即朴素贝叶斯，决策树，线性回归等）。因此，我已经有一个训练有素的模型，可以提供一个输入值，它可以返回预测结果（即1或0）。
现在，让我们说我仍然想提供输入并获得预测的输出。但是，此时，我希望将输入值乘以代表我的“训练模型”的某种数学公式，权重或矩阵。
换句话说，我希望我训练有素的模型以某种公式“转换”，我可以提供输入并获得预测的数量。
之所以要这样做，是因为我想训练一个大数据集并使用复杂的预测模型。并在更简单的硬件（例如PIC32单片机）中使用这种经过训练的前提条件模型。 PIC32 Microntroler不会训练机器学习或存储所有输入。相反，微控制器将简单地从系统中读取某些数字，应用数学公式或某种矩阵乘法，然后为我提供预测的输出。这样，我可以在更简单的设备中使用“花式”神经网络，这些设备可以轻松地运算数学公式。
答案 0 :(得分：0)
本质上，每种机器学习算法都是一个参数化公式，您训练有素的模型就是应用于输入的学习参数。
所以您实际上要问的是将任意计算简化为或多或少地简化为矩阵乘法。恐怕这在数学上是不可能的。如果您确实提出了解决方案，请确保与他人分享-您将立即成名，很有可能成为富翁，并让许多研究人员破产。如果您不能从一开始就训练矩阵乘法来获得所需的精度，那么您认为可以将任意的“复杂预测模型”简化为如此简单的计算是什么？
答案 1 :(得分：0)
如果我没看错的话，您想要一个包含多个变量的通常连续的函数来替换CNN。存在于具有ANN（“正常”神经网络）的世界中，CNN的中心点在于其中包括扰动性转换：非线性，不连续性等，它们使CNN能够开发出识别和简单线性组合的关系-作为矩阵乘法-无法处理。
如果您想更好地理解它，我建议您选择适合您的学习风格的任何演示方式的深度学习和CNN简介。