Artificial intelligence 为什么识别异或算子的反向传播神经网络需要偏差神经元？

我昨天发布了一篇关于XOR运算符的反向传播神经网络问题的文章。我做了更多的工作，意识到这可能与没有偏向神经元有关

---

我的问题是，一般来说，偏置神经元的作用是什么，它在识别异或算子的反向传播神经网络中的作用是什么？有可能创建一个没有偏差神经元的神经网络吗？

有可能创建一个没有偏差神经元的神经网络。。。它可以正常工作，但要了解更多信息，我建议您查看此问题的答案：

更新： 在尝试求解模型XOR的神经网络中，偏置神经元的作用是最小化神经网络的大小。通常，对于诸如

和
、
或
、
和
等“基本”（不确定这是否是正确的术语）逻辑函数，您试图创建一个包含2个输入神经元、2个隐藏神经元和1个输出神经元的神经网络。这不能用于
XOR
，因为建模
XOR
的最简单方法是使用两个
NAND
s：


你可以考虑<代码> A <代码> >代码> B >代码>作为你的输入神经元，中间的门是你的“偏置”神经元，后面的两个门是你的“隐藏”神经元，最后你有输出神经元。您可以在没有偏置神经元的情况下求解异或，但需要将隐藏神经元的数量增加到最少3个。在这种情况下，第三个神经元实质上起着偏向神经元的作用。这是另一个关于XOR的偏倚神经元的问题：
你可能对这个答案感兴趣，我刚刚看到了这个问题，但我也很好奇偏倚神经元在XOR中的具体作用。