目前我正在尝试创建一个三层神经网络。当我开始尝试训练XOR时，我想到了一点：

double NewWeight(double oldWeight){return oldWeight+(MeanSquaredError*input*learningRate);}

这是根据http://natureofcode.com/book/chapter-10-neural-networks/计算新权重的公式

首先，如果我的输入为零，无论错误如何，权重都将保持不变。这是通过偏置来解决的吗？

其次，神经网络通常有两个以上的输入（例如在XOR中）。在这种情况下，你需要将两个输入相加吗？或者是分别计算每个输入的权重平均值？

如果你建议我使用不同的新权重函数，请不要在不解释符号的情况下发布方程式。谢谢！

回答：

首先，偏置不会改变任何事情。通常，偏置通过一个额外的输入实现，该输入恒定为1，并有一个作为偏置的权重。参见https://en.wikipedia.org/wiki/Perceptron#Definitions。

其次，你需要为网络中的每个边计算权重。因此，如果你有两个输入，你需要为每个输入计算权重。

我认为，如果你的输入为0，你就没有信息。没有信息，你就无法判断如何改变权重。你的函数对于反向传播来说是绝对正确的。