爲什麼我們需要人工神經網絡中的圖層？

Question

我對人工神經網絡相當陌生，而我無法理解的是爲什麼我們需要層的概念。 是不是足以將每個神經元連接到一些其他神經元，創建一種網絡而不是基於分層的結構？

例如，爲了求解XOR，我們通常需要至少3層，1個輸入與2個神經元，1個隱藏層與一些神經元，1個輸出層與1個神經元。

難道我們不能用2個輸入神經元（我們需要它們）和1個輸出通過其他神經元的網絡連接創建一個網絡嗎？

Example of what I mean

Answer 1

術語 '層' 是比你想象的不同。 總是有一個'網絡'的神經元。一層僅表示一組神經元。

如果我想將層X與層Y連接，這意味着我將層X的所有神經元連接到層Y的所有神經元。但並非總是如此！您也可以將X層中的每個神經元連接到Y層中的一個神經元。有很多不同的連接技術。

但層不是必需的！它使編碼（和解釋）過程變得更加簡單。您可以逐層連接它們，而不是逐個連接所有神經元。說「A層和B層連接」比「神經元1,2,3,4,5都與神經元6,7,8,9連接」要容易得多。

如果你有興趣「layerless」網絡，請看一看液體狀態機：

（神經元可能看起來要分層，但他們並不！）

PS：我開發了一個Javascript神經網絡庫，並創建了一個在線演示，其中神經網絡演變爲XOR門 - 沒有圖層，只是從輸入和輸出開始。 View it here.。您的示例圖片就是您可以使用此庫開發的網絡類型。