神经网络内部并不是不可见的，而是神经网络经过输入层，到隐藏层，隐藏层处理特征变换之后，不再是我们所熟知的事物了。
原本的代表特征被加工, 变成了另一种代表特征, 同样, 再次加工形成的代表特征通常只有计算机自己看得懂, 能够理解. 所以, 与其说黑盒是在加工处理, 还不如说是在将一种代表特征转换成另一种代表特征, 一次次特征之间的转换, 也就是一次次的更有深度的理解. 比如神经网络如果接收人类手写数字的图片.
这种代表特征的理解
神经网络并非完全的黑盒子，其通过输入层到隐藏层进行特征变换，形成计算机可理解的新特征。这一过程揭示了网络的深度理解能力。迁移学习利用这种特征转换能力，保留预训练模型的理解能力，应用于新问题解决，提高效率。
最低0.47元/天 解锁文章
669
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
