Machine learning 多类分类神经网络。。。I'；我很困惑

也许是大词，也许是所有的数字和方程式。让我从我所知道的和我想做的开始

我知道，在神经网络中，我有一个节点，它将信息发送到另一个节点，依此类推。我知道，在一个多类分类神经网络中，我试图优化一个或多个具有特征的节点，为此我需要进行训练。不管我的理解是否正确。。。让我们继续前进

我想做的是理解一个我想回答的问题。这个问题只是要求我为一个至少有10^5个特征的多类分类神经网络设计一个算法，然后我需要至少训练10^9次

下面是我目前解决这个问题的思考过程。这在理论上非常简单，为了简单的解释，我将把它缩小到最少的节点。首先，我有一个输入节点，我的目标是到达一个输出节点。单个输入节点有大量的功能，然后我将所有这些10^5部分功能通过10^9列，然后将它们全部发送回输出节点。看起来像这样：

这个算法有什么问题吗？ 我的建议真的有效吗？ 我是否正确理解这一点？

---

我不确定它是否应该像我描述的那样简单，请解释我是怎么错的，如果我错了，我不会得到什么。

通常神经网络是这样设计的。节点分为几层。第一层是输入层，每个要素有一个输入节点。最后一层是输出层，您想要学习的每个类都有一个节点。在最简单的情况下，中间只有一层，称为隐藏层。如果你有几个隐藏层，它们被称为深层神经网络

以下是一个神经网络示例：

当你训练一个神经网络时，你首先通过向前遍历网络对样本进行分类，然后再向后遍历网络，并修改权重，使结果稍微向正确的方向移动。这就是所谓的

您可能应该看一些示例和教程，以便更熟悉这些概念。举个例子