如何确定人工神经网络中层与层之间连接哪些神经元？
How to determine which neurons to connect between layers in an artificial neural network?
假设我的第一个输入层有 10 个输入 nodes/neurons。假设我的隐藏层也有 10 个神经元。我的第三层也是最后一层是一个输出神经元。
如何连接图层？是否有一种技术可以确定执行此操作的最佳方法，或者您只是将每个输入神经元连接到每个隐藏层神经元以获得两层之间总共 100 个边？
这可能是一个非常基本的问题，但我还没有看到太多具体的例子。我确实发现的例子要么似乎连接了所有神经元，要么这些连接似乎是随机的。
我的理解是相邻层的所有节点应该是连通的。所以所有 10 个输入节点都应该连接到隐藏层中的所有 10 个节点（100 个连接）。那么隐藏层中的所有10个节点都应该连接到输出节点（10个连接）。
在你的情况下，我认为连接总数应该是 110。
如果有的话，这是基于直觉和经验结果。我见过人们使用递归神经网络。
使用 前馈神经网络 ，将层 n 中的所有神经元连接到层 n+1 中的所有神经元是有意义的。
这是我最近使用的一个例子（以展示大量的边）：
我认为如果你切断输入节点和隐藏层之间的一些链接，你会人为地影响训练阶段。基本上 您更加重视剩余的链接。
即使你将一个神经元与下一层中的一小部分神经元连接起来，这就像将它们全部连接起来，但对于未连接的神经元，通信权重为 0。训练算法实际上可能会达到这种情况。
真正重要的是神经网络的架构和分配给神经元每个输入/输出链接的权重。
因此将输入层的 10 个输入节点中的每一个连接到隐藏层中的所有 10 个节点，并且让训练算法完成它的工作。如果你有足够的训练和测试数据，它会产生预期的结果。
假设我的第一个输入层有 10 个输入 nodes/neurons。假设我的隐藏层也有 10 个神经元。我的第三层也是最后一层是一个输出神经元。
如何连接图层？是否有一种技术可以确定执行此操作的最佳方法，或者您只是将每个输入神经元连接到每个隐藏层神经元以获得两层之间总共 100 个边？
这可能是一个非常基本的问题，但我还没有看到太多具体的例子。我确实发现的例子要么似乎连接了所有神经元，要么这些连接似乎是随机的。
我的理解是相邻层的所有节点应该是连通的。所以所有 10 个输入节点都应该连接到隐藏层中的所有 10 个节点（100 个连接）。那么隐藏层中的所有10个节点都应该连接到输出节点（10个连接）。
在你的情况下，我认为连接总数应该是 110。
如果有的话，这是基于直觉和经验结果。我见过人们使用递归神经网络。
使用 前馈神经网络 ，将层 n 中的所有神经元连接到层 n+1 中的所有神经元是有意义的。
这是我最近使用的一个例子（以展示大量的边）：
我认为如果你切断输入节点和隐藏层之间的一些链接，你会人为地影响训练阶段。基本上 您更加重视剩余的链接。
即使你将一个神经元与下一层中的一小部分神经元连接起来，这就像将它们全部连接起来，但对于未连接的神经元，通信权重为 0。训练算法实际上可能会达到这种情况。
真正重要的是神经网络的架构和分配给神经元每个输入/输出链接的权重。
因此将输入层的 10 个输入节点中的每一个连接到隐藏层中的所有 10 个节点，并且让训练算法完成它的工作。如果你有足够的训练和测试数据，它会产生预期的结果。