关于神经网络，为什么我们需要权重和偏置？
对于权重，我的直觉是我们试图将某些常数乘以输入，以便我们能够达到y的值并了解关系，有点像y = mx + c。如果可能的话，请帮助我解释这个直觉。
回答：
我想对来自这个网站的Jed Fox的回答表示感谢，我已经调整了他的解释。这是一个很好的神经网络入门！:
https://github.com/cazala/synaptic/wiki/Neural-Networks-101
调整后的回答:
网络中的神经元基于自然界中发现的神经元。它们接收信息，并根据这些信息引发某种反应。一个“激活”。
人工神经元看起来像这样：
神经元J
人工神经元
如您所见，它们有多个输入，每个输入都有一个权重（该特定连接的权重）。当人工神经元激活时，它通过将所有传入的输入乘以相应的连接权重来计算其状态。但是，神经元总是有一个额外的输入，即偏置，始终为1，并且有自己的连接权重。这确保了即使所有输入均为零（全为0），神经元中也会有激活。
在计算其状态后，神经元将其传递通过其激活函数，该函数对结果进行归一化（通常在0-1之间）。
这些权重（有时还有偏置）是我们在神经网络中学习的内容。可以将它们视为系统的参数。没有它们，神经网络将毫无用处！
额外评论：在一个网络中，这些加权输入可能来自其他神经元，因此您可以开始看到权重也描述了神经元之间的关系，通常表示两个神经元之间关系的重要性。
希望这对您有帮助。互联网上有很多更多的信息，上面的链接也提供了更多信息。考虑阅读一些斯坦福大学关于卷积神经网络的材料，了解更多复杂的神经网络。
