C++ 零作为神经网络的输入

目前我正在尝试创建一个三层神经网络。当我开始尝试XOR训练时，我突然想到：

double NewWeight(double oldWeight){
return oldWeight+(MeanSquaredError*input*learningRate);
}

这是新重量的公式，根据

首先，如果输入值为零，不管误差大小，权重将保持不变。这是用偏见解决的吗

其次，神经网络通常有两个以上的输入（如异或）。在这种情况下，是否需要添加两个输入？或者通过单独的输入找到重量的平均值

---

如果你建议我使用一个不同的新权重函数，请不要在没有解释后面的符号的情况下发布一个等式。谢谢

首先，偏差不会改变任何东西。通常，偏置是通过一个附加输入来实现的，该输入具有一个常数1和一个权重作为偏置。看

其次，计算网络中每条边的权重。因此，如果有两个输入，则计算每个输入的权重

---

我想说的是，如果你有0作为输入，你没有任何信息。如果没有信息，您无法告诉如何更改重量。您的函数对于反向传播是绝对正确的。

首先，偏差不会改变任何东西。通常，偏置是通过一个附加输入来实现的，该输入具有一个常数1和一个权重作为偏置。看

其次，计算网络中每条边的权重。因此，如果有两个输入，则计算每个输入的权重

---

我想说的是，如果你有0作为输入，你没有任何信息。如果没有信息，您无法告诉如何更改重量。您的函数对于反向传播是绝对正确的。

此帖子不适合此社区。你应该考虑A社区。这个帖子不适合这个社区。你应该考虑一下A社区。