所有这些关于连接和神经元有重量的讨论都是虚拟的

关键是每个神经元通过连接从前一层获取多个权重

因此每个神经元将有多个权重（您可以将它们称为来自连接或来自神经元），命名只是虚拟的，以呈现神经元中权重之间的关系

每个重量都不同，独立于其他重量

如果您查看“传播函数”下的第二个等式

$p_{j}(t)=\sum _{i=1}^No_{i}(t)w_{ij}+w_{0j}$

这$w_{0j}$是常数（偏差），所以写成$w_{ij}$权重与连接相关联，并且$w_{0j}$是与神经元本身相关的权重。

此外，如果您假设$o_{0}(t)=1$那么你可以将上面的等式重写为

$p_{j}(t)=\sum _{i=0}^No_{i}(t)w_{ij}$

（即注意总和是从 0 到 N，而不是 1 到 N）

当你这样做时，区分“权重”和“偏差”不再有意义。

神经元确实有一个值，我们将其与权重相乘以获得给定神经元的激活值。

我们一般不称它为神经元的权重，但它的意思是一样的。

我正在更新我的答案。假设我们有一个输入 x1,x2 。我们想要两个隐藏的神经元 h1 和 h2。

我们将 x1 和 x2 与 w1 和 w2 相乘得到 h1：

h1=w1*x1+w2*x2

h2 类似。

h2=w3*x1+w4*x2

现在 h1 和 h2 是具有一些值的神经元（我称之为它们的权重）。我们使用这些神经元使用另一组权重计算下一层值。希望把事情弄清楚。