假设我们有一个具有二进制输出（0 或 1）的神经网络。我想要做的是从 NN 中删除神经元或层，同时为原始 NN 中被分类为 1 的所有实例保持正确分类，输出 0 也是如此。换句话说，有什么方法可以发现对特定类别实例的正确分类至关重要的神经元 ? 目的是去除关于该输出的所有不必要的神经元。目前，我正在尝试使用反向传播阶段来尝试将适应度归因于每个神经元对某个类的贡献。对于二元神经网络（二元权重和激活），研究方向可能是将 NN 编译为布尔公式并对其进行推理以发现对所选输出没有贡献的神经元，