我在尝试制作一个简单的感知机来执行逻辑与运算，但不知道如何解决0输入的问题。

weight+=error*learning_rate*input

此外，当输入为0时，无论误差如何，重量都不会改变。

还有一个问题，一般来说，在训练感知机时，我可以重复使用两个集合的示例（比如一个用于0，一个用于1），还是必须使用不同的示例？

回答：

这是一个有趣且非常重要的见解。这就是为什么通常在神经网络中应该有一个偏置项的原因。

想象一下感知机的决策面就像一条形式为

y = w*x+b

的线。当你从方程中去掉b（偏置）时，你只能学习通过点(0, 0)的线。