我是新手。.我不明白为什么我们在MLP（Multi-Layer Perceptron）中使用阈值和偏差？阈值，偏差的作用是什么。而且我也不知道输出的公式（结果在我们使用激活函数（例如sigmoid）之后，遵循偏差和阈值。在同一文档中，我看到：
output_value=activation_function(summing_function+threshold) (follow Jeff Heaton)
output_value=activation_function(summing_function-threshold)(follow my teacher)
output_value=activation_function(summing_function+bias) (no problem!)
正确吗？请给我答复！
并且，偏差和阈值可以在MLP中同时存在？
最佳答案
MLP中的bias和threshold是相同的概念，简单来说-同一事物的两个不同名称。符号无关紧要，因为偏差可以为正也可以为负（但更常见的是使用+偏差）。
用最简单的术语来说-如果没有偏差，则对于仅0的输入，您将得到summing_function=0，结果也是output_value=0（因为大多数激活函数都跨越原点）。结果，您的网络无法学习此类信号的任何其他行为，因为仅改变整个模型的一部分就是权重。
从更多的数学角度来看，这负责转移激活函数并为神经网络提供通用逼近器功能。
关于machine-learning - 神经网络中的阈值和偏差，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/18353295/