为什么神经网络需要权重和偏差？

Question

所以我现在一直在尝试在度假中捡起神经网络，并且我已经浏览了很多关于此的网页。现在我不明白的是为什么我们需要权重和偏见？

对于权重我有这样的直觉，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

我想把这个答案信贷给杰德福克斯从this site我已经适应他的解释。这是一个伟大的介绍神经网络!:

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

改编的答案：在网络中

神经元是基于自然界中发现的神经元。根据这些信息，他们会收集信息，并将不公正地回应。一个“激活”。

人工神经元是这样的：

神经Ĵ

人工神经

正如你可以看到他们有几个输入，每路输入有一个权重（即特定连接的重量）。当人造神经元激活时，它通过将所有输入的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，并且有自己的连接权重。这可以确保即使所有的输入都没有（全0），也会在神经元中激活。

在计算其状态后，神经元将其传递给其激活函数，该函数对结果进行归一化（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习的。将它们视为系统的参数。没有他们，他们会很无用！

其他评论： 在一个网络中，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，这常常表示两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以获取更复杂神经网络的信息。