Bias Vector

释义 Definition

“bias vector”指偏置向量：在机器学习/神经网络中，与权重矩阵一起使用的参数向量，用来对线性变换结果做平移（加法），从而让模型在输入为零或在某些方向上也能产生非零输出，提高表达能力。除技术语境外，bias 也可指“偏见/倾向”，但此处通常指“偏置”。

例句 Examples

The layer adds a bias vector to the output.
该层会在输出上加上一个偏置向量。

In a neural network, the bias vector shifts the activation so the model can fit data even when inputs are near zero.
在神经网络中，偏置向量会平移激活值，使模型即使在输入接近零时也能拟合数据。

发音 Pronunciation (IPA)

/ˈbaɪəs ˈvɛktər/

词源 Etymology

bias 原义与“斜向、倾斜”有关，后来引申为“倾向”，在工程与统计中进一步发展出“系统性偏移/偏置”的含义；vector 源自拉丁语 vector（“携带者”），在数学中表示具有方向与大小的量。合起来，“bias vector”就是用向量形式表示的“偏置项”，用于对结果做整体平移。

相关词 Related Words

• Bias
• Vector
• Bias Term
• Intercept
• Offset
• Weight Vector
• Weight Matrix
• Affine Transformation
• Linear Layer
• Activation Function

文学与著作中的用例 Literary Works

• Ian Goodfellow, Yoshua Bengio, Aaron Courville：《Deep Learning》——在神经网络层的参数化（权重与偏置）中常以向量形式讨论 bias。
• Christopher M. Bishop：《Pattern Recognition and Machine Learning》——在广义线性模型、神经网络等章节中使用偏置/截距（bias/intercept）概念。
• Trevor Hastie, Robert Tibshirani, Jerome Friedman：《The Elements of Statistical Learning》——在回归与模型偏置（与截距/偏移相关）等语境中涉及类似概念。