Question

我该如何添加到this code中以在网络中加入偏见？是否像在think(self, inputs)方法中的正向传递中添加+ 1一样简单？我如何将这种解决方案推广到多层感知器？

Answer 1

是的，因为只有1个神经元，所以可以将1直接添加到think（）函数的返回语句中。

def think(self, inputs):
    return self.__sigmoid(dot(inputs, self.synaptic_weights) + 1)

请记住，永远不要将权重初始化为零！您始终可以使用偏差值来执行此操作。对于特定层，偏差矢量的维数为[number_of_neurons_in_the_layer，1]

class NeuralNetwork():
def __init__(self):
    random.seed(1)
    self.synaptic_weights = 2 * random.random((3, 1)) - 1
    # Now you have to initialize bias
    # You can either keep it 0 or and random number
    self.bias = random.randn(1,1)
    # Here as there is only 1 neuron, dimension becomes (1, 1)

单层感知器：合并偏置

1 个答案: