这个问题与神经网络有关，但它是一个纯粹的数学问题，所以我认为它属于这里。
考虑$f:\mathbb{R}^N\到\mathbb{R}^M$例如，可以使用带有H美元$隐藏层，没有偏见，因此：
$$f（\vec{x}）=W_{H+2，H+1}\circ\sigma\circ W_{H+1，H}\cick\sigma \ldots\circ\sigma\circ W_2,1}\vec}x}\tag{1}$$
哪里美元\西格玛$是非线性（假设ReLU公司)、和$W_｛ij｝美元$是权重矩阵（连接层j美元$带图层$i美元$).如果我们在所有隐藏的神经元上添加神经偏差，假设空间会改变吗？换句话说：如果我们通过添加参数向量来修改（1）($\vec{b_i}$)在每个非线性之前，我们可以用函数空间来表示$f美元$（通过改变参数值）以某种方式改变？我没有找到有关这件事的文献，请提供一些参考书目。
