第596章 三层神经网络，一个故事解释[第1页/共2页]

第一道门：输入层（感知信息）

2. 然掉队行计算：

1. 他们会给每个属性付与分歧的权重（首要程度）。比如：

? 如果得分 ≥ 0.7，放行。

1. 输入层（第一道门）：领受原始数据，比如人的根基特性（力量、智力、速率）。

第三道门：输出层（终究决策）

? 一个邪术学院的退学测验，需求颠末量轮考核和评分，终究选出最合适的学员。

? 输出层（第三道门）：终究决定应战者是否能获得聪明之石。

艾琳顺利进入城堡，获得了聪明之石。

? 力量的权重是 0.3

2. 埋没层（第二道门）：付与分歧的权重，并停止数学计算，近似于埋没层的神经元对信息停止提炼和转换。

因为艾琳的得分是 0.9986，远超 0.7，以是守门人微微一笑，为她翻开了城堡的最后一道门。

? 瞻望一个病人是否会抱病。

守门人点了点头，在一张羊皮纸上记录下了她的数值。这些数值就是输入数据，代表艾琳的分歧属性，近似于神经收集的输入层，领受外界的信息。

比方：三层神经收集 = 三道聪明磨练

? 一个更庞大的聪明试炼，需求多次计算和权重调剂。

如许一来，你能够把多层神经收集设想成：

这个数值越靠近 1，申明艾琳的潜力越大。

这个故究竟在就是三层神经收集的完整运作过程：

一名英勇的应战者——艾琳，站在城堡门前。守门人问她：“你是谁？你的特性是甚么？”

这道门的计算过程近似于神经收集的埋没层：它并不会直接得出结论，而是对输入数据停止权重计算和非线性变更，以发掘出更深层次的信息。

? 速率的权重是 0.2

喜好职场小聪明请大师保藏：职场小聪明小说网更新速率全网最快。

如果城堡的聪明试炼有更多层，那么就代表这个神经收集更深、更庞大，就像**深度学习（Deep Learning）**一样，能够处理更加庞大的题目，比如图象辨认、天然说话措置等。

这座城堡由三道大门构成，每道门都由一个“守门人”扼守。他们卖力对应战者停止磨练，并决定是否放行。而这三道门，实际上就像神经收集的三层布局，别离是：

第二道门：埋没层（信息加工）

拓展：如果有更多层呢？

艾琳来到了最后一道门。这里的守门人只体贴一个题目：“艾琳是否充足聪明，值得获得聪明之石？”

终究，三层神经收集（以及更深层的神经收集）就像一个不竭优化的智能遴选体系，从最根本的信息开端，慢慢提炼、加工，终究得出可靠的决策。

? 判定一封邮件是渣滓邮件还是普通邮件（0 或 1）。