XOR多层感知器的决策边界

Question

我试图用多层感知器来模拟异或问题。到目前为止，我已经知道它不是线性可分的，因此它需要一个隐藏层。我无法理解的是哪些神经元决定了决策边界。就我所见，似乎隐藏层神经元的输出被考虑了，但是如果我只将权重改变到输出层的输入，决策边界不会改变。
这使我感到困惑，并希望能够帮助理解这一点。

另外将一个图像： Graph of the XOR classifier

W11 W12 W21 B1 B2 W22 V1 V2和B3分别是第一隐藏神经元，第二隐藏神经元和所述输出神经元的参数。
当我改变V1和/或V2，判定边界保持相同，但错误率的变化：预期

New graph when v2 changed

感谢。

Answer 1

更改v1和v2不会改变决策边界。

隐藏层中有两个节点。模糊的理解是，每个节点都模拟图像中显示的两条决策边界线之一。最后一个节点执行一种操作，这是一种由隐藏层中的节点模拟的决策区域的交集。尝试更改w11，w21，它将影响决策边界中的一条线路，并更改w12，w22并且它会影响另一条线路。

通过改变v1和v2，隐藏层中的节点产生的决策区域没有影响。因此，对最终决策边界（这是个体决策边界的交集）没有影响。