# What Are Neural Networks Even Doing? (Manifold Hypothesis)

- Channel: [Great Fate](https://www.youtube.com/channel/UC16BYekiN_0telZ2z_WgtDQ)
- Published: 2022-12-22
- Source video: [Watch on YouTube](https://youtube.com/watch?v=pdNYw6qwuNc)
- Read on ReadTube: https://www.read.tube/p/videos/pdNYw6qwuNc
- Language: Simplified Chinese

## Summary

**神经网络如何变形空间**

神经网络可以被直观地理解为一连串仿射变换和非线性变换，它们不断拉伸、弯折并重塑数据空间，最终把原本纠缠的类别分开。视频用双螺旋、同心圆和手写数字的例子说明，增加隐藏层维度后，网络更容易把复杂边界变成可线性分割的结构。

视频先从一个直观问题切入：神经网络到底在“做什么”。作者强调，单层神经网络可以看成先做仿射变换，再做非线性变换；把这一过程反复堆叠后，空间会被持续拉伸、扭曲和重排，从而形成看似极其复杂的决策边界。为了便于观察，视频把隐藏层设成二维，直接把每一层输出想象成平面中的坐标点，这样就能看到网络如何把输入空间一步步搬运到更容易分类的位置。