ANN绕过隐藏层进行输入

Question

我刚刚设定了计算一些ANN输出并编写ANN的任务。简单的东西，以前做过，所以我不需要任何一般人工神经网络的帮助。然而，有些令我困惑的事情。在赋值中，拓扑如下（不会上传图表，因为这是他的知识产权）： -

• 2层，3个hiddens和1个输出。
• 输入x1转到2个隐藏节点和输出节点。
• 输入x2转到2个隐藏节点。<​​/ li>

问题在于通常的XOR。他之前没有提到任何关于这种拓扑的东西，我肯定参加过每一次演讲并专注地听。我是一个好学生：）

我认为这不算是家庭作业，因为我手头的实际任务无需帮助。

对于为什么人们会使用具有这种拓扑结构的网络的任何见解都会很棒。

此致

Answer 1

神经网络看起来像上图吗？它看起来像一个常见的XOR拓扑，有一个隐藏层和一个偏置神经元。偏向神经元基本上可以帮助您将激活函数的值向左或向右移动。

有关偏倚神经元作用的更多信息，请查看以下答案：

• Role of Bias in Neural Networks
• XOR problem solvable with 2x2x1 neural network without bias?
• Why is a bias neuron necessary for a backpropagating neural network that recognizes the XOR operator?

<强>更新

我能找到一些关于此的文献。显然， 可能导致输入跳过隐藏层并转到输出层。这称为跳过层，用于模拟神经网络中的传统线性回归。来自使用Sas Enterprise Miner的神经网络建模一书的This page描述了这个概念。来自同一本书的This page也会详细介绍这个概念。