这可能是一个奇怪的问题，但我试图深入了解神经网络在理论上是如何工作的。

我正在用我的感知器做一些测试，我决定在单输入单输出数据集上测试它。我正在寻找的是 100% 的准确度，因为我正在测试的是一个具有二进制输出的简单可分离数据集。但是，准确度低于 50%（不平衡）。我意识到这是因为有一个单一的权重在训练时要么是=>0要么是<0。因此，在通过激活函数（例如 hardlim）之后，除非输入缩放到 [-1,1] 范围，否则它总是会给出相同的输出。

我的解释有意义吗？我缺少任何理论方面吗？

此外，神经网络对单输入问题是否有用？它们对我来说似乎没用，因为我们基本上是通过将一个或多个点（对于多类问题）放在一条线上来分隔输出来进行分类，这是一个非常简单的问题，不需要神经网络的复杂性。