神經網絡隱藏層是什么

一個神經網絡包括有多個神經元“層”，輸入層、隱藏層及輸出層。輸入層負責接收輸入及分發到隱藏層（因為用戶看不見這些層，所以見做隱藏層）。

這些隱藏層負責所需的計算及輸出結果給輸出層，而用戶則可以看到最終結果。

谷歌人工智能寫作項目：小發貓

神經網絡中各個隱藏層能提取出和人類看到的一樣的特征？

關于循環神經網絡RNN,隱藏層是怎么來的？

RNN的隱藏層也可以叫循環核，簡單來說循環核循環的次數叫時間步，循環核的個數就是隱藏層層數。

循環核可以有兩個輸入（來自樣本的輸入x、來自上一時間步的激活值a）和兩個輸出（輸出至下一層的激活值h、輸出至本循環核下一時間步的激活值a），輸入和輸出的形式有很多變化，題主想了解可以上B站搜索“吳恩達深度學習”其中第五課是專門對RNN及其拓展進行的講解，通俗易懂。

B站鏈接：網頁鏈接參考資料：網頁鏈接。

神經網絡（深度學習）的幾個基礎概念

從廣義上說深度學習的網絡結構也是多層神經網絡的一種。傳統意義上的多層神經網絡是只有輸入層、隱藏層、輸出層。其中隱藏層的層數根據需要而定，沒有明確的理論推導來說明到底多少層合適。

而深度學習中最著名的卷積神經網絡CNN，在原來多層神經網絡的基礎上，加入了特征學習部分，這部分是模仿人腦對信號處理上的分級的。

具體操作就是在原來的全連接的層前面加入了部分連接的卷積層與降維層，而且加入的是一個層級。

輸入層-卷積層-降維層-卷積層-降維層--....--隱藏層-輸出層簡單來說，原來多層神經網絡做的步驟是：特征映射到值。特征是人工挑選。深度學習做的步驟是信號->特征->值。

特征是由網絡自己選擇。

深度神經網絡具體的工作流程是什么樣的？

第一，深度神經網絡不是黑盒，個人電腦開機直到神經網絡運行在內存中的每一比特的變化都是可以很細微的觀察的。沒有任何神秘力量，沒有超出科學解釋的現象發生。

第二，深度神經網絡的工作方式是基于傳統的電腦架構之上的，就是數據+算法。但人們確實從中窺探到了一種全新的電子大腦方式。所以目前有研究提煉一些常用神經網絡算法加速硬件。微軟等巨頭則在開發量子計算。

第三，深度神經網絡是一個很初級的特征自動提取器。說初級因為簡單粗暴。以前為了節約算力特征關鍵模型都是人工親自設定。而現在這部分工作隨著算力的提高可以自動化。

所以從某種意義上來說深度神經網絡也是一種自動編程機，但和人們相比，一點點小小的自動化都需要很多很多的計算力支持，這一點也不重要，重要的是，它能工作(手動英文)。那么深度神經網絡究竟是什么呢？

它是一個能迭代更新自己的特征提取算法。現在這個算法可是像全自動高級工廠，數據往里一丟，不得了！整個工廠里面所有機器都動了起來。沒見過的小伙伴當場就被嚇呆瓜了，用流行的話說叫懵住。

幾千只機械手把數據搬來搬去，拿出魔方一樣的盒子裝來裝去又倒出來。整個場面就叫一個震撼。算法運行規模也更大了。

關于神經網絡請教

神經網絡的隱含層的神經元個數是自己指定的。目前還沒有一個廣泛有用的公式來確定神經元個數，一般都是根據經驗來指定的，或者通過試湊法得到。你后來的問題我也比較暈，不太懂。

你可以到一些matlab論壇里去提問，會有很多專業性比較強的人回答你的問題的。我認為ilovematlab論壇不錯，可以去問問。

總結

以上是生活随笔為你收集整理的神经网络中隐藏层的作用,深度神经网络隐藏层数的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。