Warum brauchen wir Schichten im künstlichen neuronalen Netzwerk?

Question

Ich bin ganz neu in künstliches neuronales Netz, und was kann ich nicht verstehen Deshalb haben wir das Konzept der Schicht benötigen. Ist nicht genug, um jedes Neuron mit einigen anderen Neuronen zu verbinden, die eine Art Netz mehr als eine Schicht gegründete Struktur schaffen?

Zum Beispiel brauchen wir zur Lösung des XOR normalerweise mindestens 3 Schichten, 1 Eingang mit 2 Neuronen, 1+ versteckte Schicht (en) mit einigen Neuronen und 1 Ausgangschicht mit 1 Neuron.

Könnten wir nicht ein Netzwerk mit zwei Eingangsneuronen (wir brauchen sie) und 1 Ausgang durch ein Netz von anderen Neuronen verbunden schaffen?

Example of what I mean

Answer 1

Der Begriff 'Schicht' ist anders als Sie vielleicht denken. Es gibt immer ein "Netz" von Neuronen. Eine Schicht bezeichnet nur eine Gruppe von Neuronen.

Wenn ich Schicht X mit Y Schicht verbinden will, bedeutet dies, ich alle Neuronen aus Ebene X aus der Schicht Y. zu allen Neuronen anschließe Aber nicht immer! Sie könnten auch jedes Neuron von Schicht X mit nur einem Neuron in Schicht Y verbinden. Es gibt viele verschiedene Verbindungstechniken.

Aber Schichten sind nicht erforderlich! Es vereinfacht den Prozess der Codierung (und Erklärung) erheblich. Anstatt alle Neuronen nacheinander zu verbinden, können Sie sie in Schichten verbinden. Es ist viel einfacher zu sagen "Schicht A und B sind verbunden" als "Neuron 1,2,3,4,5 sind alle mit Neuronen 6,7,8,9 verbunden".

Wenn Sie Interesse an 'layerless Netze sind, bitte einen Blick auf Flüssiges State Machines nehmen:

(die Neuronen aussehen könnte geschichtet werden, aber sie sind nicht!)

PS: I entwickeln eine neuronales Netzwerk Bibliothek Javascript, und ich habe eine online in dem ein neuronales Netzwerk entwickelt sich zu einem XOR-Gatter angelegt - ohne Schichten, nur mit Eingang und Ausgang zu starten. View it here.. Ihr Beispielbild zeigt genau, welche Art von Netzwerken Sie mit dieser Bibliothek entwickeln könnten.