Нейронная сеть - это ориентированный взвешенный граф. Они могут быть представлены (разреженной) матрицей. Это может раскрыть некоторые элегантные свойства сети.
Является ли этот метод полезным для изучения нейронных сетей?
neural-networks
чокнутый урод
источник
источник
Ответы:
Для больших ANN на практике используется нечто, эквивалентное «формату разреженной матрицы».
В отличие от того, что сказано в другом ответе, рассмотрение ANN в качестве графика на самом деле не очень выгодно по двум причинам:
Алгоритм обратного распространения может быть с пользой определен в терминах матричных операций. Эта страница дает понятное и полное описание.
Все вещественные матрицы могут быть представлены в виде графиков, но обратное явно не так. Таким образом, хотя верно и то, что ANN можно рассматривать как частный случай структуры данных графа, сделать эту специализацию явной в матричной форме более эффективной.
источник
Это зависит от типа нейронных сетей, с которыми вы имеете дело.
Для нейронных сетей среднего размера матричный подход является очень хорошим способом для быстрых вычислений и даже обратного распространения ошибок. Можно даже использовать разреженные матрицы для понимания разреженной архитектуры некоторых нейронных сетей.
Но для очень больших нейронных сетей использование матричных вычислений будет очень интенсивным в вычислительном отношении. Поэтому для них используются соответствующие методы, такие как хранилища на основе графов и т. Д., В зависимости от цели и архитектуры.
источник
Матричное представление выгодно для реализации нейронных сетей в кремнии.
Но для эмпирического исследования нейронных сетей иногда полезно визуализировать значения веса синапса в виде изображений или видео: исследование Джейсона Йосински о свертывании нейронной сети. Сеть, кажется, имеет «фильтр», который просто обнаруживает плечи. Немного похоже на замок, который открывается только тогда, когда он распознает рисунок плеч.
источник