Neural network 人工神经网络中偏差的目的是什么？

我在一本书中读到，作者提到偏置bk用于产生输出uk的仿射变换（加权输入信号的总和）

此外，作者还提到，由于这种偏差，例如“k”的恒定值使得神经元与前一层没有连接

我很困惑。有人能告诉我以上两点是什么意思吗？如果网络中存在偏见的其他用途吗

---

提前谢谢

如果神经元激活为z（a）=wa+b，b为偏倚。这是一个偏差，因为它越大，这个神经元的偏差就越大，或者换句话说，它不太关心从最后一层传给它的东西。我假设第二点是指，如果偏差足够大（正或负），神经元就不再关心传递给它的是什么，它总是将相同的东西传递给下一层。我需要在上下文中看到它，以确定作者在说什么，但总的来说，你只需要理解它是一个常数，可以增加偏见（不关心最后一层给出了什么）。不过，不要过分担心它的影响，因为学习（或优化）过程将自动调整这些影响，因此您不必为网络选择适当的偏差值。随着您对这些概念越来越熟悉，它将开始变得更有意义

可能重复。无论如何，Quora上的一篇很棒的帖子给了你两个答案：非常感谢你的链接！可能的副本非常感谢您的帮助！！