小编Rae*_*ani的帖子

我刚刚开始学习神经网络，到目前为止我对机器学习的了解只是线性和逻辑回归。根据我对后一种算法的理解，给定多个输入，学习算法的工作是为每个输入提出适当的权重，以便最终我得到一个多项式，该多项式要么描述线性回归的数据，要么就像逻辑回归的情况一样将其分开。如果我要在神经网络中表示相同的机制，根据我的理解，它会看起来像这样， 输入层有多个节点，输出层有单个节点。我可以将误差按比例反向传播到每个输入。因此最终我也得到了描述数据的多项式 X1W1 + X2W2+....XnWn 。对我来说，除了输入层之外，每层有多个节点似乎使学习过程并行，这样我就可以更快地得出结果。这几乎就像运行多个学习算法，每个算法都有不同的起点，看看哪个算法收敛得更快。至于多层，我不知道它对学习结果有什么机制和优势。