神经网络人工智能

Question

在一个简单的认知中，有人可以向我解释阈值的概念以及如何设置它，即最初阈值输入和权重的值是多少？？

Answer 1

根据定义，感知器是一个二元分类器，即使是最简单的形式，您也可以将其视为具有 0 的偏差/阈值：

y = f( w

_n

* x

_n

> 0 ? 1 : 0 )

但由于 0 是一个相当任意的值，因此偏差/阈值作为变量明确引入到模型中：

y = f( w

_n

* x

_n

> b

^'

? 1 : 0 )

或

y = f( w

_n

* x

_n

+ b > 0 ? 1 : 0 )

问题是，现在模型在训练时需要考虑另一个变量（除了原始的

b

n

[这是一个向量]）之外，还有另一个变量（_w [这是一个标量]）。
有很多方法可以做到这一点，最简单的方法是只选择

b

的一些可能值，然后在

w

_n 上训练模型并保留

( b

、

w

_n

)

产生最佳结果的一对。
一种更优雅的方法是将偏差/阈值变量

b

视为附加到始终为 1 的输入的权重，这基本上使模型恢复到只有 1 个变量

w

的原始形式，除了现在向量

x

和

w

有

n + 1

元素：

y = f( w

_{n + 1}

* x

_{n + 1}

> 0 ? 1 : 0 )

Answer 2

阈值：阈值表示神经元输入的加权和必须超过该值才能激活神经元。如果输入乘以各自的权重之和等于或大于阈值，神经元将产生输出信号；否则，它将保持不活动状态。

设置阈值：在最初配置感知器或神经元时，可以根据问题域的要求和所需的激活行为为阈值分配一个特定的数字。常用的初始值为零，但这可能会根据网络的特征和数据的属性而变化。

神经网络权重：神经网络权重表示每个输入对神经元的重要性，并影响神经元的激活决策。这些权重在训练过程中进行修改，以增强网络的性能，通常通过梯度下降和反向传播等方法进行修改。