这两个神经网络结构之间的根本区别是什么？

Question

神经网络处理中的根本区别是什么？例如，接收三个单独的输入以提供单个输出，而网络只需要一个输入大小为3的单个输入以提供一个输出？

如果根本不存在任何区别，那么何时何地一个比另一个更适用或更有用？另外，将输入分配给第一个网络（具有多个输入的网络）的最佳方式是什么？

Answer 1

神经网络接收一个或多个实例，或特征向量，作为输入，它们无论是从学习或作出预测。

一个这样的实例通常是载体。矢量的每个元素都被分配到一个输入神经元，该输入神经元简单地返回其分配给（第一）隐藏层神经元的内容。

因此，据我了解和理解您的问题，“三个单独的输入”和“单个输入的大小为3”没有区别。在我看来，“单一输入大小为3”更正确，因为您一次输入一个实例，并且该实例具有一定的大小（当然，优化实现允许您一次输入更多矩阵乘法，但在概念上，神经网络一次处理一个实例）。

另外，什么是最好的方式分配输入到第一个网络（有几个输入）？

就像我说的，每个实例或特征向量的元素都被分配给一个输入神经元，它只是返回它的输入。这是输入层。