XOR多层感知器的决策边界

Question

我正在尝试使用多层感知器来模拟XOR问题。到目前为止，我已经知道它不是线性可分的，因此它需要一个隐藏层。我无法理解的是哪些神经元决定决策边界。据我所见，似乎考虑了隐藏层神经元输出，但如果我仅将权重改为输出层的输入，则决策边界不会改变。
这使我感到困惑，并希望在理解这一点时提供帮助。

还附上图片： Graph of the XOR classifier

w11 w12 b1 w21 w22 b2 v1 v2和b3分别是第一隐藏神经元，第二隐藏神经元和输出神经元的参数。
当我更改v1和/或v2时，决策边界保持不变，但错误率会发生变化：

New graph when v2 changed

感谢您的期待。

Answer 1

更改v1和v2不会改变决策边界。

隐藏层中有两个节点。模糊的理解是每个节点模拟图像中所示的两条决策边界线之一。最后一个节点执行操作，该操作是由隐藏层中的节点模拟的决策区域的交集。尝试更改 w11，w21 ，它将影响决策边界中的一条线并更改 w12，w22 ，它将影响另一条线。

通过更改v1和v2，隐藏层中的节点生成的决策区域不会受到影响。因此，对最终决策边界（即各个决策边界的交叉点）没有影响。