对于大型人工神经网络，在实践中使用相当于“稀疏矩阵格式”的东西。

与给出的另一个答案中所说的相反，将 ANN 视为图表实际上并没有买太多，原因有两个：

1. 反向传播算法可以有用地根据矩阵运算来定义。此页面提供了可读且全面的描述。

2. 所有实值矩阵都可以表示为图形，但显然情况并非如此。因此，虽然可以将 ANN 视为图数据结构的特例，但以矩阵形式明确表示该特化更为有效。

这取决于您正在处理的神经网络的类型。

对于中等规模的神经网络，矩阵方法是一种非常好的快速计算甚至错误反向传播的方法。人们甚至可以利用稀疏矩阵来理解一些神经网络的稀疏架构。

但是，对于非常大的神经网络，使用矩阵计算将是计算量非常大的。因此，根据目的和架构，使用基于图形的存储等相关方法。

矩阵表示有利于在硅中实现神经网络。

但为了凭经验检查神经网络，有时将突触权重值可视化为图像或视频是很好的：Jason Yosinski对卷积神经网络的探索。网络似乎有一个只检测肩膀的“过滤器”。有点像一把锁，只有当它识别出肩膀的图案时才会打开。