machine-learning - 为什么神经网络需要隐藏层？

Question

我是机器学习中神经网络的新手。当我计算 AND/OR/NOT 等 bool 函数的激活函数时，不需要隐藏层，但 XOR/XNOR 等 bool 函数需要隐藏层来计算激活函数。为什么？ (我在谷歌中搜索，但无法获得明确的知识)。隐藏层中的神经元数量是否依赖于输入神经元的数量？

Answer 1

如果简单地说隐藏层添加了额外的输入转换，这对于单层网络来说并不容易实现(实现它的方法之一是向输入添加某种非线性)。第二层添加了额外的转换，可以处理更复杂的任务。如果要谈论 AND/OR/NOT，它们被视为线性可分离的任务。 看一下显示 AND 值的图片(三个点表示 false)。可以用一行将真值与假值分开，这可以在没有隐藏层的神经网络的帮助下完成。但如果要谈论 XOR/XNOR，则需要两条线，并且两条线可以由具有两层和非线性激活函数的神经网络构造。黄线表示分离，可以通过神经网络来完成。