我试图把头放在理解神经网络上，从我所看到的一切中，我了解到它们是由节点创建的层组成的。这些节点通过“加权”连接彼此连接，并且通过将值传递通过输入层，这些值将通过节点传播，并根据连接的“权重”更改其值(对吗？)。最终，它们到达带有值的输出层。我了解该过程，但看不到如何导致网络受到培训。网络是否记住加权连接之间的模式？它如何记住这种模式？
最佳答案
每个节点上的每个权重和偏差都像一个存储的变量。当新数据导致其权重和偏差发生变化时，这些变量也会发生变化。最终，完成了训练有素的算法，权重和偏差不再需要更改。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。因此，“记住”只是权重和偏差的值。
关于neural-network - 神经网络如何学习 "remember"？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/53798455/