neural-network - ANN绕过隐藏层输入

Question

我刚刚被分配了一项任务来计算一些 ANN 输出并编写一个 ANN。简单的东西，以前做过，所以我不需要任何关于一般 ANN 东西的帮助。然而，有一点让我很困惑。在作业中，拓扑如下（由于是他的知识产权，所以不会上传图表）：-

• 2 层，3 个隐藏层和一个输出。
• 输入 x1 进入 2 个隐藏节点和输出节点。
• 输入 x2 进入 2 个隐藏节点。

问题是非常常见的 XOR。他之前没有提到过这种拓扑，我肯定参加过每一堂课，认真听过。我就是这样的好学生：）

我不认为这算作家庭作业，因为我手头的实际任务不需要帮助。

任何关于为什么要使用具有这种拓扑结构的网络的见解都会很棒。

问候

Answer 1

神经网络看起来像上图吗？它看起来像一个普通的 XOR 拓扑，有一个隐藏层和一个偏置神经元。偏置神经元基本上可以帮助您将激活函数的值向左或向右移动。

有关偏置神经元作用的更多信息，请查看以下答案：

• 偏差在神经网络中的作用
• XOR 问题可以用 2x2x1 神经网络解决，没有偏差？
• 为什么识别 XOR 算子的反向传播神经网络需要偏置神经元？

更新

我能够找到一些关于这方面的文献。显然，输入有可能跳过隐藏层并进入输出层。这称为跳过层，用于对神经网络中的传统线性回归进行建模。《 Neural Network Modeling Using Sas Enterprise Miner》一书中的这一页描述了这个概念。同一本书的这一页也更详细地介绍了这个概念。