ANN绕过隐藏层输入

Question

我刚刚被分配了一项任务来计算一些 ANN 输出并编写一个 ANN。简单的东西，以前做过，所以我不需要任何关于一般 ANN 东西的帮助。然而，有一点让我很困惑。作业中的拓扑如下（图是他的知识产权就不上传了）：-

• 2 层，3 个隐藏层和一个输出层。
• 输入 x1 进入 2 个隐藏节点和输出节点。
• 输入 x2 进入 2 个隐藏节点。

问题是非常常见的 XOR。他之前没有提到过这种拓扑，我肯定参加过每一堂课，认真听过。我就是这样的好学生:)

我不认为这算作家庭作业，因为我手头的实际任务不需要帮助。

任何关于为什么要使用具有这种拓扑结构的网络的见解都会很棒。

问候

Answer 1

神经网络看起来像上图吗？它看起来像一个普通的 XOR 拓扑，有一个隐藏层和一个偏置神经元。偏置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。

有关偏置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?

更新

我能够找到一些关于此的文献。显然，输入有可能跳过隐藏层并进入输出层。这称为跳过层，用于对神经网络中的传统线性回归进行建模。 Neural Network Modeling Using Sas Enterprise Miner 一书中的This page 描述了这个概念。同一本书中的This page 也更详细地介绍了这个概念。