“认识AI：人工智能如何赋能商业”【19】采用sigmoid神经元、添加偏置项

作者 | Harper

审核 | gongyouliu

编辑 | auroral-L

采用sigmoid神经元、添加偏置项

上期给大家介绍了一下感知机。并且举了一个做餐厅决策的例子，例子中有一个二进制输入，1或-1，就代表着好或不好，但是，所有的输入和输出都是1或-1，没有任何中间状态，所以这个感知机可能会在两个方面出错，它可能会让我错过很多好的餐馆有，也可能会帮我们选择一些不太好的餐馆。

但我们真正想要的是一个连续的渐变值，能够给我们一些关于餐厅相对质量的指示，理想情况下是一个介于一和零之间的数字，越接近于1，我们对餐厅的质量就越有信心，那如果它接近于0，就该去别的地方了，所以，我们就可以尝试不同的东西，也就是我们这期所要讲到的，sigmoid神经元。

相比只能取二进制，sigmoid神经元可以处理更多的变化值，事实上你可以在一个sigmoid神经元中输入想要的任何数字，然后用sigmoid函数把这个数字压缩成0和1之间的值，它被称为sigmoid函数，简称S型函数，因为函数的输出在绘图的时候会形成一条S型曲线。

就像我们在上期视频所看到的感知机一样，sigmoid神经元使用加权输入，关键的区别是在于S型函数提供的值的变化范围比使用简单的二进制0和1的时候要大得多，它可以取0到1之间的任何值。

除了采用sigmoid神经元之外，我们还可以为感知机添加一个偏置项来调整输出。设置一个特定的阈值，可以使感知机和sigmoid神经元以一种类似于生物神经元的方式工作。这种神经元可以激活也可以不激活。在二进制表示法中。这可以表示为：0表示不激活，1表示激活。感知机只有在它的函数结果满足指定阈值的时候才会激活。如果你发现一个感知机没有在他应该激活的时候激活，就可以在他的函数中，添加偏置项来调节阈值，偏置项只是移动定义阈值的线，而不更改该线的形状和方向。偏置项只是另一个数字，它与输入值和权重一起工作，以促进神经元激活或保持沉默。

就拿选择餐厅的例子来说，我们如果发现他在建议是否在某家餐厅用餐的时候，建议过于保守的话，这个时候，我们就会错过许多美食，因为如果说，餐厅不够干净，或者说菜单上没有足够的西班牙语，这个时候，我们就会决定在输入和函数之间的连接中添加一个偏置项，比如说如果加上+5的偏置项，那么这个值5，在传递给函数进行处理之前会被加到输入的总和当中，也就是说在输入的和上，再加上5，当然偏置项也可以是负的。比如说如果神经元推荐了许多你不会选择吃的餐馆，那你就可以添加一个负偏置项，将阈值向相反的方向移动。