Hyp*_*ube 8 artificial-intelligence perceptron neural-network
我很难看到阈值在单层感知器中的实际作用.无论阈值是多少,数据通常都是分开的.似乎较低的阈值更平等地划分数据; 这是它用于什么？
ren*_*opp 15
实际上,当你不使用偏见时,你只需设置阈值.否则,阈值为0.
请记住,单个神经元将输入空间与超平面分开.好？
现在想象一个有2个输入X=[x1, x2],2个权重W=[w1, w2]和阈值的神经元TH.等式显示了这个神经元是如何工作的:
x1.w1 + x2.w2 = TH
这等于:
x1.w1 + x2.w2 - 1.TH = 0
也就是说,这是你的超平面方程,它将划分输入空间.
请注意,如果手动设置阈值,此神经元就可以正常工作.解决方案是将TH改为另一个重量,因此:
x1.w1 + x2.w2 - 1.w0 = 0
这个术语1.w0是你的BIAS.现在,您仍然可以在输入空间中绘制平面,而无需手动设置阈值(即阈值始终为0).但是,如果您将阈值设置为另一个值,权重将仅调整自身以调整方程,即权重(包括偏差)吸收阈值效应.