我在学习机器学习中的神经网络时发现，当我计算AND/OR/NOT等布尔函数的激活函数时，并不需要隐藏层，但对于XOR/XNOR等布尔函数则需要隐藏层来计算激活函数。这是为什么呢？（我在谷歌上搜索过这个问题，但没有找到清晰的答案）。隐藏层的神经元数量是否依赖于输入神经元的数量？

回答：

简单来说，隐藏层增加了对输入的额外变换，这种变换在单层网络中不容易实现（实现这种变换的一种方法是向输入添加某种非线性）。第二层增加了额外的变换，可以适应更复杂的任务。关于AND/OR/NOT，它们被认为是线性可分的任务。看看这张图，它显示了AND的值（三个点代表假）。可以用一条线将真值和假值分开，这可以通过没有隐藏层的神经网络来实现。但对于XOR/XNOR，你需要两条线，而这两条线可以通过具有两层和非线性激活函数的神经网络来构建。黄色线条显示了可以用神经网络实现的分离。