计算神经网络中的误差差异

Question

我对神经网络有些陌生，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、偏置和输出的单个神经元。

发生的过程是这样的，

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

所以这里的 x 和 y 是输入，w1、w2、wb 是权重，偏置是 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 'and' 和 'or' 门。

所以我的问题是，

所以要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？

或者我是否只需要计算目标（0 或 1）与通过 sigmoid 函数的输出之间的差异？

此外，'and' 和 'or' 函数中误差的变化随着时间的推移而不同。 'and' 函数错误变化很尴尬，但 'or' 函数错误变化是可以接受的。为什么 'and' 函数会给出这样一个上下误差的有线图表？

或错误图表

错误图表

谢谢

Answer 1

要计算的增量是您提出的第二个增量。您通过网络传递输入 (x,y) 并计算相关输出与目标值（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 的二进制分类任务。