我对神经网络还比较陌生，需要一些帮助来理解基础知识。我正在尝试创建一个具有两个输入、一个偏置和一个输出的单个神经元。

这个过程是这样的，

output = w1 * x + w2 * y + bias * wb

这里x和y是输入，w1、w2、wb是权重，偏置是0.5

之后，输出会通过Sigmoid函数处理。

sout = S(output)

为了测试，我试图让这个神经元模拟“与”和“或”门。

所以我的问题是，

为了计算目标值和输出的差异，我是否需要将目标值（0或1）也通过Sigmoid函数处理，然后计算它们之间的差异？

还是我只需要计算目标值（0或1）与通过Sigmoid函数处理后的输出之间的差异？

此外，随着训练轮次的进行，“与”和“或”函数的误差变化是不同的。“与”函数的误差变化看起来很奇怪，而“或”函数的误差变化是可以接受的。为什么“与”函数的误差图表会出现这种上下波动的奇怪情况？

“或”误差图表

“与”误差图表

谢谢

回答：

你应该计算的差异是第二个提议的方案。你将输入（x,y）通过网络处理，然后计算相关输出与目标值（0或1）之间的差异。这假设你正在进行二元分类任务，其中目标值是0或1。