在构建具有一个隐藏层的神经网络时，出现了是否在反向传播期间更新偏差的问题。我基本上是想节省内存，所以我的问题是，如果我只更新权重与权重和偏差相比，会有多大的不同。使用前者，除了我设置为标准之外，我不必保存任何其他偏差值。那么学习会不会有问题呢？如果是这样，那么为什么权重更新不足以训练它？$1$

为清楚起见进行编辑：我说的是反向传播公式

$\Delta W= -ηδ_l O_{(l-1)}$

$\Delta \theta=-ηδ_l$

其中$\Delta W$是权重的差（向量），$\Delta \theta$是偏差的差（向量），$η$是学习率，$O$是层（这里$l-1$）的输出（向量），并且$\delta_l$是层$l$的计算误差增量（向量） 。如果你只是在反向传播中不使用$\Delta \theta$并将偏差保持在$1$怎么办？