位于输入层和输出层之间的神经网络的隐藏层接收输入数据并应用函数从每个节点生成数据,然后由下一层加权。
我看到它解释的方式是例如预测图像是否是公共汽车,节点学习是否有轮子,轮胎等或预测一个人是否喜欢文档,隐藏层节点映射到是否主题是体育、历史等。
然而,隐藏层节点应用的“功能”,它们究竟映射到什么,即因变量是什么?是模型输入的输出变量吗?例如,如果我试图预测给定的图像是狗还是猫的图像,那么隐藏层是否将输入数据映射到输出变量(狗或猫)?隐藏层究竟是如何学习有用的特征的?节点如何学习不同的特征而不是相同的特征?