为什么XOR问题在双极表示下工作得更好？

Question

我正在上一门神经网络的课程，教授给我们介绍了异或问题。我知道XOR问题不是线性可分的，所以我们需要使用神经网络来解决这个问题。

然而，他提到XOR在双极表示(-1，+1)下工作得更好，这是我不理解的。我看过不同网站上的资源，但我不能真正理解其中的原因。

我想知道为什么双极表示法比二进制表示法更好？这种争论的理由是什么？

Answer 1

输入节点的权重增量涉及输入值。当使用二进制表示时，输入节点可能具有值0，这意味着它的权重增量为0。换句话说，当应用这个输入向量时，这个节点不能‘学习’任何东西。

相比之下，如果使用双极表示，则可以避免这种情况，因为输入节点从不具有值0。这意味着输入节点总是可以学习的，从而帮助训练更快地收敛。