Neural network 为什么我们需要人工神经网络中的层？

我对人工神经网络很陌生，我不明白为什么我们需要层的概念。 难道不足以将每个神经元与其他神经元连接起来，从而创建一种网络，而不仅仅是一种基于分层的结构吗

例如，为了求解异或，我们通常需要至少3层，1个输入层和2个神经元，1个+隐藏层和一些神经元，1个输出层和1个神经元

难道我们不能创建一个由两个输入神经元（我们需要它们）和一个由其他神经元网络连接的输出神经元组成的网络吗

---

术语“层”与您可能认为的不同总是有一个神经元的“网络”。一层只表示一组神经元

如果我想把X层和Y层连接起来，这意味着我要把X层的所有神经元连接到Y层的所有神经元，但并不总是这样！你也可以把X层的每个神经元连接到Y层的一个神经元上。有很多不同的连接技术

但是图层不是必需的！它只是让编码（和解释）过程变得简单了很多。你不必一个接一个地连接所有的神经元，你可以把它们层层连接起来。说“A层和B层相连”比“神经元1、2、3、4、5都与神经元6、7、8、9相连”容易得多

如果您对“无层”网络感兴趣，请查看液态机：

（神经元可能看起来是分层的，但它们不是！）

---

PS：我开发了一个Javascript神经网络库，并创建了一个在线演示，其中一个神经网络演变成一个XOR门——没有层，只是从输入和输出开始。您的示例图片正是您可以使用此库开发的网络类型。

我认为此问题更适合于或Quora