这涉及到在二元分类问题中，ANN（人工神经网络）和逻辑回归的混合模型。例如，我在一篇论文中看到这样的描述：“通过使用逻辑回归模型计算失败的概率，然后将该值作为附加输入变量加入到ANN中，构建了一种混合模型类型。这种模型被定义为Plogit-ANN模型”。

因此，对于n个输入变量，我试图理解附加输入n+1是如何被激活函数（例如logit函数）处理的，以及在权重与输入相乘的总和中是如何处理的。我们是否可以将这个概率变量n+1视为一个独立的权重，就像一种特殊类型的b0，我们在权重与输入相乘的总和中加入它，例如每个神经元的总和 =（权重与输入的总和）+附加变量。

感谢您的帮助。

回答：

根据提供的描述，最简单的方法是将其视为数据的附加特征。所以你有一个模型来预测原始数据集的某些信息（某些附加事物的概率），因此你得到x -> f(x)。你只需将它连接到你的特征向量中，所以x’ = [x1 x2 … xk f(x)]，然后通过网络传递它。

然而，所描述的方法相当简单，因为你完全独立地进行这两件事（训练f和训练神经网络），更有益的方法可能是将f的拟合视为辅助损失，并联合训练你的模型。