Neural network 迈克尔·尼尔森'；s NNDL第1章关于指数j和k互换为什么？
我刚刚读了迈克尔·尼尔森的NNDL在线图书Neural network 迈克尔·尼尔森'；s NNDL第1章关于指数j和k互换为什么？,neural-network,Neural Network,我刚刚读了迈克尔·尼尔森的NNDL在线图书 在第一章中，他使用了一个指数来表示权重kj，而不是jk。他提到的好处是它可以表示向量形式。有人能证明吗？为什么我们不使用正常顺序的jk来表示向量形式呢？我找不到这一段，你能在他提到这些“好处”的地方写下这个短语吗？通常权重指标为：从_神经元到_神经元；有时反过来，这取决于公式。对不起，我的错。就在方程式22之前。以下是引文：由于net.weights[1]相当冗长，让我们仅表示该矩阵ww。这是一个矩阵，wjkwjk是第二层的kthkth神经元和第三层
在第一章中，他使用了一个指数来表示权重kj，而不是jk。他提到的好处是它可以表示向量形式。有人能证明吗？为什么我们不使用正常顺序的jk来表示向量形式呢？我找不到这一段，你能在他提到这些“好处”的地方写下这个短语吗？通常权重指标为：从_神经元到_神经元；有时反过来，这取决于公式。对不起，我的错。就在方程式22之前。以下是引文：由于net.weights[1]相当冗长，让我们仅表示该矩阵ww。这是一个矩阵，wjkwjk是第二层的kthkth神经元和第三层的jthjth神经元之间连接的权重。jj和kk指数的这种顺序可能看起来很奇怪——交换jj和kk指数肯定更有意义？使用这种顺序的最大优点是，它意味着第三层神经元的激活向量是：a′=σ（wa+b）。（22）\我找不到这段话，你能写下他提到这些“好处”的短语吗？通常权重指标为：从_神经元到_神经元；有时反过来，这取决于公式。对不起，我的错。就在方程式22之前。以下是引文：由于net.weights[1]相当冗长，让我们仅表示该矩阵ww。这是一个矩阵，wjkwjk是第二层的kthkth神经元和第三层的jthjth神经元之间连接的权重。jj和kk指数的这种顺序可能看起来很奇怪——交换jj和kk指数肯定更有意义？使用这种顺序的最大优点是，它意味着第三层神经元的激活向量是：a′=σ（wa+b）。（22）_