神经网络中“节点”和“输入”之间的区别

【问题标题】：Difference between a "node" and an "input" in a neural network神经网络中“节点”和“输入”之间的区别
【发布时间】：2019-10-30 07:00:47
【问题描述】：

我正在阅读一篇文章，开头是这样的：

我们考虑一个 2 层、3 节点、n 输入的神经网络，其节点计算其输入的线性阈值函数。

我不明白神经网络怎么可能有 3 个节点但有 n 个输入。据我了解，“神经元”是“节点”。所以有n个输入节点（第一层）和x个输出节点（第二层）和语句n+x=3。

我错过了什么？谢谢！

【问题讨论】：

【解决方案1】：

看图片中的这个 2 层神经网络。这有：

当我们说“n 层 NN”时，我们正在计算它的隐藏层（因为显然它有输入和输出，所以不需要计算）。

【讨论】：

所以当我们考虑一个 2 层、3 节点、n 输入的神经网络时，它基本上是一个 NN，在输入层有 n 个节点，在第一层有 t 个节点，其中 t=1 或t=2，第二层有 3-t 个节点，输出层有 m 个节点，其中 m 为正整数。我说的对吗？
@J.Doe 为什么t 节点在第一层？我说我们在第一个隐藏层和第二个隐藏层都有 3 个节点。图片是2层4节点的。