这两种神经网络结构的根本区别是什么？

Question

处理神经网络的根本区别是什么，例如，接收三个单独的输入以提供单个输出，而网络接收大小为3 的单个输入以提供一个输出？

如果有任何区别，那么何时何地会比另一种更适用或更有用？另外，将输入分配给第一个网络（具有多个输入的网络）的最佳方法是什么？

Answer 1

神经网络接收一个或多个实例或特征向量作为输入，它们可以从中学习或进行预测。

一个这样的实例通常是一个向量。向量的每个元素都被分配给一个输入神经元，它简单地返回它分配给（第一个）隐藏层神经元的内容。

因此，据我所知并理解您的问题，“三个单独的输入”和“一个大小为 3 的单个输入”之间没有区别。在我看来，说“单个输入大小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，优化的实现允许您一次输入更多通过使用矩阵乘法，但从概念上讲，神经网络一次处理一个实例）。

另外，将输入分配给第一个网络（具有多个输入的网络）的最佳方法是什么？

就像我说的，每个实例或特征向量的元素都分配给一个输入神经元，该神经元简单地返回其输入。这是输入层。