Artificial intelligence 乙状结肠激活的神经网络是否使用阈值？

我有点困惑。我刚开始研究神经网络，我构建的第一个神经网络使用阶跃激活，每个神经元都有阈值。现在我不想实现乙状结肠激活，但这种激活似乎不使用阈值，只使用神经元之间的权重。但是在我找到的关于这个的信息中，有一个词是阈值，只是我找不到它们应该在激活函数中的什么位置

---

在神经网络中，乙状结肠激活函数是否使用阈值？

乙状结肠函数的值在

[0；1]

范围内，

0.5

作为阈值，如果

h（θ）<0.5

我们假设它的值是

0

，如果

h（θ）>=0.5

，则它是

1

---

阈值仅用于网络的输出层，并且仅在分类时使用。因此，如果您试图在4个类之间进行分类，那么输出层有4个节点

y=[y1，y2，y3，y4]

，您将使用此阈值来分配

y[i]

1

或

0

，这不需要。Sigmoid曲线本身部分可作为阈值。

没有步进激活中的离散跳跃。阈值可被视为S形函数为0.5的点。某些sigmoid函数将其设置为0，而某些函数将其设置为不同的“阈值”

---

阶跃函数可以看作是陡度设置为无穷大的S形函数的一个版本。在这种情况下有一个明显的阈值，对于不太陡峭的乙状结肠函数，阈值可以被认为是函数值为0.5或最大陡峭点。

所以基本上每个神经元都是相同的？仅仅是与其他神经元的其他连接？可能是这样的。网络仍然可以学习和做你教它做的任何事情。“在对所有/无进行分类时，最终只应用真实的硬阈值。@BorisStitnicky我试图用sigmoid和无阈值编程一个简单的感知器，但它似乎没有学习XOR。它有一个隐藏层。我只介绍分类神经元的阈值好吗？如果是这样，我该如何更新它？这可能会解决您的问题，也可能不会，这取决于您的学习算法。当然，这是一个错误，但在这种情况下，它将有多个解决方案。显然，如果您想教它XOR，最后必须应用阈值，因为XOR有0/1输出。但更让我担心的是你的学习算法。你从来没有说过是你自己写的还是你在用什么。如果你碰巧会说Ruby，试试看，他们有示例代码，慢慢修改以满足你的需要。我应该在学习过程中修改权重的同时编辑陡度因子吗？如果你这样做，在数量级上，你应该比改变权重的速度慢。阈值也可以被视为多类或二元分类任务的一种工具，你可能想要操纵精度或召回率。在我看来，你发现的信息将偏差信号称为阈值。默认情况下，可以将乙状结肠的阈值视为0（即y=0.5，如Kendall Frey的回答中所述）。偏差是对神经元的恒定输入，它有效地移动x轴上的S形函数。使用0.5作为阈值总是“最佳”的，还是应该在一些验证数据上学习阈值？在我的测试中，0.5比学习最佳阈值（取平均积极和消极分数之间的中间值）效果更好。但我不确定情况是否总是如此。