Question

我对神经网络有些新意，我需要一些帮助来理解基础知识。我试图创建一个带有两个输入的神经元，具有偏置和输出。

发生的过程是这样的，

output = w1 * x + w2 * y + bias * wb

所以这里x和y是输入，w1，w2，wb是权重，偏差是0.5

之后输出通过sigmoid函数。

sout = S(output)

为了进行测试，我试图让神经元充当＆＃39;和＆＃39;和＆＃39;或＆＃39;栅极。

所以我的问题是，

所以要计算目标和输出之间的差异，我是否也必须通过sigmoid函数运行目标（0或1）并计算它们之间的差异？

或者我只需要计算目标（0或1）与通过S形函数得到的输出之间的差异？

此外，＆＃39;和＆＃39;中的错误变化也是如此。和＆＃39;或＆＃39;随着时代的发展，功能也不同。＆＃39;和＆＃39;功能错误变化很尴尬，但是＆＃39;或＆＃39;功能误差变化是可以接受的为什么＆＃39;和＆＃39;函数给出这样一个错误的有线图表上下？

错误图表

由于

Answer 1

要计算的增量是您建议的第二个增量。您将输入（x，y）传递通过网络，并获取相关输出和目标值（0或1）之间的差值。这假设您正在尝试执行二进制分类任务，其中目标值为0或1。