人工神经网络（ANN）中神经元输入总权重是否应设为1？

这个问题问到点子上了——完全不需要让第i个神经元的所有输入权重之和等于1，理由我给你拆解清楚：

• 权重的核心是「调整输入的影响力」，而非做均匀分配。比如某个输入对神经元输出的决定性极强，它的权重可以远大于1；有些输入是起抑制作用的，权重甚至可以是负数。强行把总和限制为1，等于捆住了模型的手脚，没法灵活调整各输入的重要程度。
• 激活函数本身会处理输入范围。像sigmoid/tanh会把超大的总输入压缩到0-1或-1-1区间，ReLU直接过滤负输入，根本不需要靠权重总和为1来控制总输入的大小。
• 限制权重总和为1会严重削弱模型的学习能力。比如当模型需要给两个关键输入都分配较大权重时，总和限制会导致不得不互相挤占权重空间，没法准确捕捉复杂的特征关联。
• 额外提一句：虽然不用限制总和，但我们有时候会用L1/L2正则化来防止权重过大引发过拟合，但这和强制总和为1是完全不同的操作——正则化是约束权重的整体规模，而非固定总和。

回到你说的权重调整逻辑：模型学习时增大或减小部分权重，本质是让总输入更贴近能产生正确输出的理想值，这个过程和权重总和是否为1没有任何绑定关系。

内容的提问来源于stack exchange，提问作者PS Nayak