Neural network 权重在人工神经网络预测中是如何工作的？

假设我有4个输入数据集。 我正在尝试实现一个人工神经网络，如下图所示。

训练神经元后，我得到10个重量。如何使用这10个权重来预测测试数据

(n X 4) -> Test Data (A)
(10 X 1) -> Trained Weights (w)
(n X 4) (4 X 1) -> Predicted Output (How are the weights used here?)

Aw=y

---

其中A是我的测试数据，w是我的权重，y是预测输出。

我想你误解了神经网络的工作原理。这是一个非常好的教程，从一开始就解释了这一点：

---

简而言之：通过训练神经网络，你改变了它的结构以适应你的测试数据，通过预测，你使用修改后的结构来计算输出，就像你在训练中计算的一样，但是你现在没有修改它。

我想你误解了神经网络的工作原理。这是一个非常好的教程，从一开始就解释了这一点：

---

简而言之：通过训练神经网络，你改变了它的结构以适应你的测试数据，通过预测，你使用修改后的结构来计算输出，就像你在训练中计算的一样，但你现在不修改它。

我不确定你说的收敛到4个权重是什么意思，但对于“预测”部分，您只需向网络提供输入，并通过简单的算术计算输出。神经网络是从输入到输出的映射，因此在您的情况下，4个输入将产生1个输出。如果我得到你，它不会像你期望的那样工作；要获得4个权重并将4个输入映射到4个输出，您还需要4个输出，一个神经元只连接到一个。如果我理解正确，我需要将测试数据用于带有新wights的前馈神经网络。我想您误解了神经网络的工作原理。这是一个非常好的教程：通过训练神经网络，你可以改变它的结构以适应你的测试数据，通过“预测”，你可以使用修改后的结构来计算输出，就像你在训练期间计算的那样，但是你现在不需要修改它-顺便说一句，这不是一个精确的定义。啊，谢谢。这是有道理的。我从评论中做了一点回答，如果有帮助的话就接受它。我不确定你所说的收敛到4个权重是什么意思，但对于“预测”部分，你只需向网络提供输入，并通过简单的算术计算输出。神经网络是从输入到输出的映射，因此在您的情况下，4个输入将产生1个输出。如果我得到你，它不会像你期望的那样工作；要获得4个权重并将4个输入映射到4个输出，您还需要4个输出，一个神经元只连接到一个。如果我理解正确，我需要将测试数据用于带有新wights的前馈神经网络。我想您误解了神经网络的工作原理。这是一个非常好的教程：通过训练神经网络，你可以改变它的结构以适应你的测试数据，通过“预测”，你可以使用修改后的结构来计算输出，就像你在训练期间计算的那样，但是你现在不需要修改它-顺便说一句，这不是一个精确的定义。啊，谢谢。这是有道理的。我从评论中做了一点回答，如果有帮助的话就接受它