神经网络如何“记住”它学到的东西？

Question

我试图理解神经网络，从我所看到的一切来看，我明白它们是由节点创建的层组成的。这些节点通过“加权”连接相互连接，通过输入层传递值，值通过节点，根据连接的“权重”改变它们的值（对吗？）。最终，它们到达带有值的输出层。我了解这个过程，但我不明白这如何导致网络被训练。网络是否记得加权连接之间的模式？它是如何记住那个模式的？

Answer 1

每个节点上的每个权重和偏差就像一个存储变量。随着新数据导致其权重和偏差发生变化，这些变量也会发生变化。最终完成了一个经过训练的算法，权重和偏差不再需要改变。然后，您可以根据需要存储有关所有节点、权重、偏差和连接的信息。此信息是您的模型。所以“记住”只是权重和偏差的值。