machine-learning - 计算神经网络中的误差差

Question

我对神经网络有点陌生，我需要一些帮助来理解基础知识。我正在尝试创建一个具有两个输入、一个偏置和一个输出的单个神经元。

发生的过程是这样的，

output = w1 * x + w2 * y + bias * wb

所以这里 x 和 y 是输入，w1,w2,wb 是权重，偏差是 0.5

之后输出经过 sigmoid 函数。

sout = S(output)

为了测试，我试图让神经元充当“与”和“或”门。

所以我的问题是，

那么为了计算目标和输出之间的差异，我是否还必须通过 sigmoid 函数运行目标(0 或 1)并计算它们之间的差异？

或者我只需要计算目标(0 或 1)与 sigmoid 函数输出之间的差异？

随着纪元的进展，“与”和“或”函数中的误差变化也不同。 “与”函数误差变化很尴尬，但“或”函数误差变化是可以接受的。为什么“and”函数会给出这样一个既向上又向下的误差连线图表？

或错误图

误差图表

谢谢

Answer 1

要计算的增量是您提出的第二个增量。您将输入 (x,y) 通过网络传递，并获取相关输出与目标值(0 或 1)之间的差值。这假设您正在尝试执行目标值为 0 或 1 的二元分类任务。