Weights Matrix

释义 Definition

“weights matrix”（权重矩阵）：指用矩阵形式组织的一组“权重”（weights），常见于机器学习与神经网络中，用来表示输入到输出（或上一层到下一层）各连接的可学习参数；在图论/网络分析中也可指“加权矩阵”（如加权邻接矩阵），用于表示节点之间连接强度。

发音 Pronunciation (IPA)

/weɪts ˈmeɪtrɪks/

例句 Examples

The weights matrix is initialized randomly before training.
在训练开始前，权重矩阵通常会被随机初始化。

After optimization, the weights matrix captures how strongly each input feature influences each output unit.
经过优化后，权重矩阵会反映每个输入特征对每个输出单元影响的强弱程度。

词源 Etymology

“weights”来自古英语 gewiht，意为“重量、分量”，后来引申为“影响力、重要性”，在机器学习里进一步引申为“参数的权重”。“matrix”来自拉丁语 matrix（本义与“母体/子宫”相关），在数学中表示“矩阵”这种承载并组织数据的结构。合在一起，“weights matrix”字面意思就是“承载权重的矩阵”，强调用矩阵结构来排列与计算权重。

相关词 Related Words

• Weight
• Matrix
• Parameter
• Coefficient
• Tensor
• Neural Network
• Adjacency Matrix
• Linear Algebra

文学与著作 Notable Works

• Deep Learning（Ian Goodfellow, Yoshua Bengio, Aaron Courville）——讨论神经网络中的权重与矩阵表示。
• Pattern Recognition and Machine Learning（Christopher M. Bishop）——大量使用矩阵形式表示模型参数（包括权重）。
• Neural Networks and Learning Machines（Simon Haykin）——介绍权重矩阵在网络结构与学习算法中的作用。
• The Elements of Statistical Learning（Hastie, Tibshirani, Friedman）——在统计学习框架下使用矩阵表示参数与线性模型结构。