我是新手..我不明白为什么我们在MLP中使用阈值和偏差（Multi-Layer Perceptron）??阈值，偏见的作用是什么......我不知道公式输出（我们使用激活函数后的结果，如sigmoid）遵循偏差和阈值。在同一文档中，我看到：
output_value=activation_function(summing_function+threshold) (follow Jeff Heaton)
output_value=activation_function(summing_function-threshold)(follow my teacher)
output_value=activation_function(summing_function+bias) (no problem!)
哪个是正确的？请给我回复！
并且，偏差和阈值可以在MLP中同时存在
答案 0 :(得分：2)
偏见和阈值是相同的概念，简单来说 - 同一事物有两个不同的名称。符号无关紧要，因为偏见既可以是正面的也可以是负面的（但更常见的是使用 +偏见）。
用最简单的术语表示 - 如果没有偏见，那么仅输入0，您就会获得summing_function=0，因此output_value=0也是{{1}}激活函数穿过原点）。因此，您的网络无法了解此类信号的任何其他行为，因为只有整个模型的更改部分为权重。
从更多的数学角度来看 - 这有助于转移激活功能并为神经网络提供通用逼近器功能。