我读了一本书，其中作者提到偏差b k 用于对输出u k 进行仿射变换（求和加权输入信号）。
作者还提到，由于这种给定常数k的偏差，使得'k'使神经元不连接到上一层。
我处于混乱状态。有人可以告诉我以上两点是什么意思，以及是否还有其他偏向网络的用途？
谢谢！
答案 0 :(得分：-1)
如果神经元激活为z（a）= wa + b，则b为偏差。这是一个偏差，因为它越大，该神经元的偏差就越大，或者换句话说，它并不关心从最后一层传递给它的内容（a）。我假设第二点是指这样的事实：如果偏差足够大（正值或负值），就好像神经元不再关心传递给它的内容一样，它总是将相同的东西传递给下一层。我需要在上下文中查看它以确定作者在说什么，但是总的来说，您只需要了解它是一个可以增加偏差的常数（不必关心最后一层的作用）。不过，不要太担心它的含义，因为学习（或优化）过程将自动调整这些含义，因此您不必为网络选择适当的偏差值。随着您对概念的熟悉，它将变得更加有意义