C# 能否使用线性激活函数实现ANN（2-2-1层）来学习异或？

如果是，如何进行？还有哪些简单的应用程序可以通过使用线性激活函数来实现。

答案很简单：否

如果你使用线性激活函数，那么你的神经网络并不比一个简单的感知器更强（缺少隐藏层）

---

换句话说，使用具有线性激活函数的隐藏层是没有意义的

异或不能线性分离。如果您在二维平面上打印函数的输出，并且试图找到一种线性分离它的方法，您将找不到。这是NN在开始时的崩溃，直到他们发现了不同的激活方法，允许像sigmoid函数那样非线性分离点

a   b   a XOR b
1   1      0
0   1      1
1   0      1
0   0      0

---

我如何使用线性激活函数进行和/或？同样，对于线性可分离的问题，例如和/或您根本不需要隐藏层（您可以使用它，但它是多余的，并且显示出对机器学习基础知识的理解不足）。仅仅是线性模型，例如cl_和（x1，x2）=符号（x1+x2-1.5），cl_或（x1，x2）=符号（x1+x2-0.5）。示例（和）：输入/权重=>1/0.31/-0.4偏差=>1/0.3使用线性函数的下一步是什么？如何设置阈值？线性和阶跃的区别在哪里？你似乎把模型本身和一些训练方法混淆了。没有“下一步”这回事；我给了你最后的重量。对于AND=>1（第一个输入神经元），1（第二个输入神经元），-1.5（偏差）；因此，在输出神经元（无隐层）上，f（x1，x2）=x1+x2-1.5。如果你坚持要有隐藏层，只需放置一个隐藏神经元，权重为“1”就可以输出一个——它除了传递信号之外什么也不做。我知道它必须是一个神经元。给我一个简单的例子，其中一个将使用线性激活函数。