Artificial intelligence 感知器应如何处理0输入（用于和/或）

我试图制作一个简单的感知器来执行逻辑和逻辑运算，但我不知道如何解决0输入问题

权重+=错误*学习率*输入

此外，当输入为0时，无论错误是什么，权重都不会改变

---

还有一个问题，一般来说，在训练感知器时，我能重复两个集合的例子吗（假设一个为0，一个为1），或者它们需要不同吗？

这是一个有趣且非常重要的见解。这就是为什么你通常应该在神经网络中有一个偏见

将感知器的决策面想象为一条形式线

y=w*x+b

---

当你从方程中去掉b（偏差）时，你将只能学习通过（0，0）的线。

我已经阅读了关于偏差的内容，并且从示例中，他们将其作为一个新的输入引入，并赋予其自身的权重。但在这种情况下，前两个输入的权重仍然不会改变。不，它们通常不会改变，因为当偏差可用时，它们不必改变。偏差会移动决策面，使x=0映射到正确的y.HM，但在这种情况下，“和”如何工作？如果我给感知机输入0，0，我得到1，因为偏差是0.1。我只能训练1,1=1和0,0=0。想象你在二维平面上的问题：你有点（0,0），（0,1），（1,0）和（1,1）。x2=-1*x1+1.5应该生成一条分隔这两个类的线，因此0=-x1-x2+1.5定义您的决策面，即。E取权重（w1=-1，w2=-1）和偏差1.5。那就行了。另一方面，如果w2=-0.2，会发生什么变化？（当然，您不能从w1=0和w2=0开始，这在一般情况下是不推荐的。）