我无法看到阈值在单层感知器中的实际作用。无论阈值是多少，数据通常都是分开的。似乎较低的阈值可以更平均地划分数据；这是它的用途吗？
问问题
16187 次
3 回答
16
实际上，您只需在不使用偏差时设置阈值。否则，阈值为 0。
请记住，单个神经元将您的输入空间与超平面分开。好的？
现在想象一个具有 2 个输入X=[x1, x2]、2 个权重W=[w1, w2]和阈值的神经元TH。方程显示了这个神经元是如何工作的：
x1.w1 + x2.w2 = TH
这等于：
x1.w1 + x2.w2 - 1.TH = 0
即，这是您的超平面方程，它将划分输入空间。
请注意，如果您手动设置阈值，这个神经元就会起作用。解决方案是将 TH 更改为另一个权重，因此：
x1.w1 + x2.w2 - 1.w0 = 0
该术语1.w0是您的BIAS。现在您仍然可以在输入空间中绘制平面，而无需手动设置阈值（即阈值始终为 0）。但是，如果您将阈值设置为另一个值，权重只会自行调整以调整方程，即权重（包括偏差）会吸收阈值效应。
于 2011-07-03T14:29:29.400 回答
3
在每个节点中计算权重和输入的乘积之和，如果该值高于某个阈值（通常为 0），则神经元触发并获取激活值（通常为 1）；否则，它采用停用的值（通常为 -1）。具有这种激活功能的神经元也称为人工神经元或线性阈值单元。
于 2011-07-02T03:04:31.730 回答
3
我想我现在明白了，在 Daok 的帮助下。我只是想添加信息以供其他人查找。
单层感知器的分离器方程为
Σw j x j +偏置=阈值
这意味着如果输入高于阈值，或者
Σw j x j +bias > threshold，它被归为一类，如果
Σw j x j +bias < 阈值，它被分类到另一个。
偏差和阈值实际上具有相同的目的，即转换线（请参阅偏差在神经网络中的作用）。但是，由于处于等式的相反两侧，它们是“负比例”的。
例如，如果偏差为 0，阈值为 0.5，则这将等效于偏差为 -0.5，阈值为 0。
于 2011-07-03T01:17:37.553 回答