神经网络中的所有神经元不总是 fire/activate 吗？
Don't all neurons in a neural network always fire/activate?
我对激活函数和 blogs/posts 感到有点困惑，他们不断提到神经元 未激活 或 未被激发 .
但是从数学上讲，如果任何激活函数（无论是 sigmoid、tanh、relu）计算出的输出为 0，那么下一层中所有连接的神经元是否仍会得到该值？
如果是这样，那是否意味着这个神经元仍然 firing/activating？
或者我只是错了，神经元真的 没有发射 并且它真的没有为下一层中任何连接的神经元提供任何价值？这在数学上是如何工作的？
请帮我解惑:)[=11=]
not activated 和 not fired 等表达式，以及术语 neuron本身，只是隐喻性的描述，不应从表面上看。它们只是用来口头描述机器学习中使用的（人工）神经网络与生物的实际神经元网络之间的（非常）松散的类比，仅此而已。
正如您猜想的那样，在这种情况下，"neuron" 确实会产生输出值 0 并在网络中传播。因为实际上那里没有任何神经元，只有计算机程序中的变量，出于数学和计算原因，必须始终具有值。
我对激活函数和 blogs/posts 感到有点困惑，他们不断提到神经元 未激活 或 未被激发 .
但是从数学上讲，如果任何激活函数（无论是 sigmoid、tanh、relu）计算出的输出为 0，那么下一层中所有连接的神经元是否仍会得到该值？ 如果是这样，那是否意味着这个神经元仍然 firing/activating？
或者我只是错了，神经元真的 没有发射 并且它真的没有为下一层中任何连接的神经元提供任何价值？这在数学上是如何工作的？
请帮我解惑:)[=11=]
not activated 和 not fired 等表达式，以及术语 neuron本身，只是隐喻性的描述，不应从表面上看。它们只是用来口头描述机器学习中使用的（人工）神经网络与生物的实际神经元网络之间的（非常）松散的类比，仅此而已。
正如您猜想的那样，在这种情况下，"neuron" 确实会产生输出值 0 并在网络中传播。因为实际上那里没有任何神经元，只有计算机程序中的变量，出于数学和计算原因，必须始终具有值。