解释神经网络中的神经元

Question

我已经想出了一个使用神经网络的分类问题的解决方案。我也得到了同样的权重向量。数据是5维的，隐藏层中有5个神经元。假设神经元1有输入权重w11，w12，...w15，我必须解释这些权重的物理解释，这些权重的组合，在problem.Does中代表什么，任何这样的解释存在，或者神经元本身没有特定的解释？

Answer 1

单个神经元不会给您任何解释，但是查看两个神经元的组合可以告诉您数据中的哪种模式被这组神经元捕获(假设您的数据足够复杂，可以有多个模式，但又不会太复杂，网络中有太多连接)。

Answer 2

与神经元1对应的权重(在您的示例中为w11...w15 )是将5个输入特征映射到该神经元的权重。权重量化了每个特征对其各自神经元的影响程度(依次表示一些更高维度的特征)。每个神经元都是这些权重的矩阵表示，通常在应用了激活函数之后。

确定神经元矩阵的值的数学公式是特征矩阵和权重矩阵的矩阵乘法，然后使用损失函数来调整权重矩阵的值，以最小化损失函数。损失函数基本上是矩阵乘法的输出与实际label.Stochastic梯度下降之间的差的平方之和。