Optimization 去除不重要的输入神经元的最佳方法是什么？

我有一个训练有素的神经网络，由大约40个输入神经元组成，让我可以根据模式对一些项目进行分类。每个神经元接收一些单独的输入参数值。我很确定，并不是所有的输入参数对实现最终结果都很重要，所以如果我排除它们，我的网络应该会产生几乎相同的结果。去除网络中不必要的输入神经元，最好不要重新训练整个网络，最有效和最快速的方法是什么？谢谢

两个答案可以轻松快速地完成此任务：

• 你可以，如果你必须训练你的神经网络（如果你修剪它，你无论如何都必须重新训练它），在一个固定的阈值下切断带有权重的连接，然后移除没有连接的神经元

• 您可以计算每个输入神经元子集的Shapley值，并删除那些具有“坏”值的神经元：

---

根据实际测试数据生成40个不同的测试集

每组只有一个输入值随机化

使用“训练有素的NN”测试这些数据集

---

比较结果

这些神经元的哪些特征让你认为它们是不需要的？哦，这叫做“修剪”。谢谢你的提示，我是新来的。是什么让我觉得其中一些是不需要的？最初，我将项目的每个特征添加到一组输入参数中进行分类，常识告诉我，这40个特征中只有很少一个会影响最终结果。你可能会对这些“常识”规则进行编码。你是说这40个输入对实现结果至关重要吗？在这种情况下，我会看到“修剪”不起作用，对吗？我会看到结果不是很好。无论如何，这是值得尝试的，因为我需要提高我的网络性能