我目前正在總結 7.3 神經網路的最終實踐預測建模和文本挖掘模組中的JMP STIPS 課程。擬合神經網路並理解隱藏層中節點作為迴歸模型的基本功能看起來直觀上很容易。 然而，我想知道是否並且希望社區中更有洞察力的人可以回答我在剛剛接受的非常基本的培訓後仍然存在的問題。 對於我想討論的例子，我使用了文件綠色聚合物生產.jmp以及JMP的標準版。 隨附包含模型的文件副本。
模型圖如下所示。 我們可以看到八個預測變數中每一個的資料都被輸入到隱藏層中的三個節點中的每一個。 該層中的每個節點都使用 TanH 激活函數。
我已將模型的公式儲存到表中。 三個節點中每個節點所使用的公式的螢幕截圖如下所示。
問題#1：如何解釋每個節點對於相同的激活函數具有不同的公式？直觀上，期望在每個節點中使用相同的公式似乎很天真，但我仍然想知道 JMP 如何得出如下所示的結果。 我想到的一種解釋是每個節點接收不同的輸入數據，這會導致我期望不同的公式，如下所示，但這種假設可能是完全錯誤的。
問題#2：誰可以分享一些好的參考資料（最好使用現象學解釋）來供初學者閱讀神經網路？
