考虑一个具有阶梯型阈值函数的神经网络,假设: (1)用常数乘所有的权值和阈值。 (2)

考虑一个具有阶梯型阈值函数的神经网络,假设:
(1)用常数乘所有的权值和阈值。
(2)用常数加所有的权值和阈值。
试说明网络性能是否会变化？
可以给出解释么

• 你可以参考下这个问题的回答, 看看是否对你有帮助, 链接: https://ask.csdn.net/questions/254864
• 我还给你找了一篇非常好的博客，你可以看看是否有帮助，链接：训练神经网络的详细步骤,如何训练一个神经网络
• 除此之外, 这篇博客: 如何训练好一个神经网络？中的 2. 神经网络训练的失败往往是悄无声息的 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  

• 这些错误往往不是显性的语法错误，而是一些内容上的、逻辑上的错误。你有时候会发现你的模型能够work，但实际上并不是这样。比如，我有时候会因为标签标错，然后在训练进行测试的时候才发现这个问题，只通过训练时反馈的信息无法看出任何异常。还有一次我训练分割模型，对数据集的标签进行增广时，由于缩放和旋转采用的方式是双线性插值，导致模型在训练过程中loss越来越大。 所以，如果你的模型在训练时报错，那么你是幸运的，因为在很多时候，它往往是悄无声息的。

  总的来说，快速而暴力的训练方式在神经网络的训练中是不起作用的，必须要有耐心，并且循序渐进。

• 您还可以看一下 CSDN讲师老师的卷积神经网络与人脸识别实现课程中的 卷积神经网络与人脸识别实现小节, 巩固相关知识点