看起来当您说“分配权重的方式”时，您的意思是“按什么顺序计算权重，以便我知道哪些权重在哪些神经元之间连接”。

对于所有神经网络，都没有正式的“正确”方式来做到这一点。但是，实际上对于像您的图表这样的前馈网络，您会选择使用矩阵而不是向量来表示连接层的权重。这就是几乎所有标准库将代表权重的方式。

矩阵使用两个索引（在这种情况下称为）来标识单个标量值。如果我们称权重矩阵，那么单个权重就是。$i,j$$W$$W_{ij}$

要确定神经元之间的权重如何连接，请用 i 索引输入层神经索引输出层神经元。$i$$j$

在数学符号中，查看您的图表，调用每个输入值和每个隐藏值，然后计算单个的公式将是：$x_i$$h_j$$h_j$

$h_j = f(b_j + \sum_{i=1}^{N} W_{ij}x_{i})$

其中是传递函数（例如 sigmoid），是输入特征的数量，是隐藏层神经元的偏差。$f()$$N$$b_j$$j$

您还经常会看到使用矩阵表示法编写的：

$\mathbf{h} = f(W\mathbf{x} + \mathbf{b})$

. . . 这不仅是清晰和简单的符号，而且使用这样的矩阵数学来描述神经网络是我们能够在 GPU 上使用高性能库（如 TensorFlow）的原因。

这可能有更多你正在寻找的东西......

与 David Selby 在 R Tea & Stats 中从头开始构建神经网络。