在用神经网络提特征时，是用输入层到隐藏层的权重当作特征还是用隐藏层的输出作为特征
都是用隐层输出。第一个那叫embedding，那也是一种“输出”的隐层 。只不过变换是个01向量的乘法，所以看上去等价于直接拿权重。都是通过一个矩阵乘法变换实现信息压缩。
■网友
其实两者没有本质的区别，利用权重的可以看成是前一层的输出。而利用输出的可以看做下一层的权重。
■网友
【在用神经网络提特征时，是用输入层到隐藏层的权重当作特征还是用隐藏层的输出作为特征】 可以理解为网络中的任何单元的输出都是某种“特征”，只是角度不同。
推荐阅读
- 怎样使用opengl高效的绘制
- 图像特征提取时，灰度共生矩阵的方向是咋确定的
- 单特征AUC是咋计算的
- 《黑暗之魂3》捏脸是怎样做到取消各个特征的相关性的
- 关于图片里的文本识别，哪些特征相对有效
- 00后都在用啥软件或者app社交
- 腾讯视频信用卡有人用过吗
- 睡眠|健康“亮红灯”的人，睡觉时常有4个特征，占一个，也要重视起来
- 后发制人|是“大长腿”标志，藏着后发制人的身高潜力孩子腿部的这个特征
- 神经网络算法是否真的属于人工智能范畴