为什么XOR问题在双极表示法下效果更好？

问题描述

我正在学习神经网络课程，教授向我们介绍了XOR问题。我知道XOR问题不是线性可分离的，为什么我们需要使用神经网络解决这个问题。

但是，他提到异或运算对我不了解的双极表示（-1，+1）效果更好。我研究了不同网站上的资源，但我真的不明白原因。

我想知道为什么双极表示会比二进制表示更好？该论点的依据是什么？

解决方法

输入节点的权重增量涉及输入值。当使用二进制表示形式时，输入节点的值可能为0，这意味着其权重增量为0。换句话说，当应用此输入向量时，此节点无法“学习”任何东西。

相比之下，如果使用双极表示形式，则可以避免这种情况，因为输入节点永远不会具有值0。这意味着输入节点始终可以学习，从而帮助训练更快收敛。