我已經閱讀了一些關於此問題的其他問題（以及相關答案），但我仍然有疑問：將閾值激活函數添加一個偏差會改變閾值嗎？據我所知，增加一個偏差應該沿x軸移動激活函數，所以它也應該改變閾值。假設我們只有一個輸入節點和一個輸出節點，並且輸入節點具有閾值激活函數，並且閾值設置爲0.現在，如果我們給出1作爲輸入，則神經元將激活並返回1 * weight到輸出節點，但如果我們添加一個權重爲2的偏置節點a_0 = -1，連接到輸入節點，並給出前一個輸入1，神經元將不再激活，因爲現在我們必須至少達到2才能激活它。這可以被認爲是「改變」門檻嗎？在神經網絡中，偏差是否會改變激活函數的閾值？
你讀過關於偏差的非常好的解釋：bias explanation和bias explanation 2？
正如第一個環節所述，偏差會改變曲線，因此計算結果會更加多樣化。我認爲如果您已經使用了偏差，則不需要使用閾值（將閾值設置爲0），因爲偏差和閾值都會沿着x軸移動激活函數。
但我認爲偏見比門檻更有效率。這是因爲偏差值只是權重，可以像神經網絡中的任何其他權重一樣精確計算。閾值除了權重之外需要單獨的計算。在encog forum中有一些有趣的偏差和閾值比較。
這與偏置而計算出的神經網絡：
，這是與閾值
都將給出相同的結果。如果您對完整計算感興趣，可以閱讀上面的encog wiki。
所以我認爲你的問題的答案「偏見是否改變了激活函數的閾值」是肯定的。在我關於混合遺傳算法和神經網絡的論文中，我嘗試了兩種方法，最終只使用了偏差，並將閾值設置爲0.
我希望我的答案能夠幫助你，但如果你對我的答案有其他疑問，請在評論中提問:)
添加偏差可讓您學習全新的功能類別。考慮2D中的線性決策線：沒有偏見，它必須通過原點，而不會受到偏差的限制。 – alfa