神经网络中的零输入

Question

同伴图像是我在维基百科上发现的xor的神经网络版本：

如果我试图想象它在代码中是如何工作的，那么输入0 / 1,1 / 0就清楚了，因为最后一个紫色神经元在两种情况下都会发射1。  但是0/0和1/1发生了什么？

对于0/0，第一个神经元根本不会发射，而对于1/1，它是不会发射的紫色神经元。所以网络gots＆＃34;卡住＆＃34;那里。

但是如何知道网络是否会被困？＆＃34;或者它还没有准备好计算？也许我想象异步的事情？谢谢！

Answer 1

我认为你对“禁止射击”概念感到困惑。当神经元输入低于阈值时，它不会“等待”该阈值，它会传播0。所以，并不是神经元“不会发射”，停止处理，它只是对其他神经元的“零信号”。

对于0/0情况，红色神经元不会触发，因此绿色神经元在输入时得到0，因此它们也不会触发，因此紫色神经元会获得1*0 + -2*0 + 1*0 = 0，因此它不会触发，所以你输出0。因此，正如您所看到的，即使某些神经元不会触发，您也会进一步处理信号。

对于1/1情况，红色神经元前面，绿色神经元前面，所以紫色神经元得到1*1 + -2*1 + 1*1 = 0，它不会触发，所以返回0。

Answer 2

当你有输入和输出层时，问题更合理。但是在使用多个层（隐藏层）的情况下，隐藏的神经元将被训练以通过使用反向传播算法更新输入到隐藏和隐藏到输出层之间的连接权重来关联输入和目标。针对XOR问题，针对多层感知器编写了大量博客。