为什么神经网络中需要权重和偏差？

Question

所以我现在一直在尝试在假期中学习神经网络，而且我已经经历了很多关于这个问题的网页。现在有一点我不明白为什么我们需要权重和偏见？

对于权重，我有这种直觉，我们试图将某些常数乘以输入，以便我们可以达到y的值并知道关系，有点像y = mx + c。如果可能的话，请帮助我直觉。在此先感谢：）

Answer 1

我想从this site将这个答案归功于Jed Fox，我在那里修改了他的解释。这是神经网络的一个很好的介绍！：

https://github.com/cazala/synaptic/wiki/Neural-Networks-101

改编答案：

网络中的神经元基于自然界中发现的神经元。他们接收信息，并根据该信息，将违反某些回应。 “激活”。

人工神经元看起来像这样：

Neuron J.

人工神经元

正如您所看到的，他们有几个输入，每个输入都有一个权重（特定连接的权重）。当人工神经元激活时，它通过将所有输入输入乘以其相应的连接权重来计算其状态。但神经元总是有一个额外的输入，偏差，总是1，并有自己的连接权重。这确保即使所有输入都没有（全0），神经元中也会激活。

在计算其状态后，神经元将其通过其激活函数，该函数将结果标准化（通常在0-1之间）。

这些权重（有时是偏差）是我们在神经网络中学到的。将它们视为系统的参数。没有他们，他们就没用了！

补充评论： 在网络中，那些加权输入可能来自其他神经元，因此您可以开始看到权重也描述了神经元如何相互关联，通常表示2个神经元之间关系的重要性。

我希望这会有所帮助。互联网和上面的链接提供了更多信息。考虑阅读一些Stanford's Material for CNNs以获取更复杂的神经网络的信息。