将神经网络表示为矩阵是否有益？

神经网络是有向加权图。这些可以用（稀疏）矩阵表示。这样做可以暴露网络的某些优雅特性。

这种技术对检查神经网络有益吗？

对于大型人工神经网络，在实践中使用了等效于“稀疏矩阵格式”的东西。

与给出的另一个答案相反，将人工神经网络视为图表实际上并不能带来太多收益，这有两个原因：

1. 可以根据矩阵运算来定义反向传播算法。此页面提供了可读且全面的描述。

2. 所有实值矩阵都可以表示为图形，但是相反情况显然并非如此。因此，虽然可以将ANN视为图数据结构的特殊情况，但以矩阵形式显式地进行专门化更为有效。

这取决于您要处理的神经网络的类型。

对于中型神经网络，矩阵方法是进行快速计算甚至误差的反向传播的好方法。甚至可以利用稀疏矩阵来理解某些神经网络的稀疏结构。

但是，对于非常大的神经网络，使用矩阵计算的计算量很大。因此，根据目的和体系结构，可以使用诸如基于图的存储等相关方法。

矩阵表示法对于在硅中实现神经网络非常有益。

但是对于凭经验检查神经网络，有时最好将突触权重值可视化为图像或视频：Jason Yosinski对卷积神经网络的探索。该网络似乎有一个只检测肩膀的“过滤器”。有点像一把锁，只有在它识别出肩膀的图案时才会打开。