“给神经网络提供输入向量，让它根据自己的参数矩阵输出对应的输出值，我们将之称为前向传播。用数学语言来描述就是这样。”
“记第L层的第i个神经元的激活值为a(l)i，参数记为行向量（·）(l)i的话，如果这一层有s个神经元，那么这一层行向量的维数就有sl+1维……”
“这个多出来的1是从哪儿来的？”周至又开始问问题了。
“因为我们要设置偏置单元。所以这一层的行向量就会是一个巨大的矩阵，它的行是S（l+1），列是Sl+1。”
“这还只是其中的一层，”周至有点明白了：“之前你说过，这种每相邻两层的神经元全部互相连接的方式，你们称为全连接。其实最终的结果，是输入层通过非线性激活函数穿透所有隐藏层之后的最终结果，也就是说，它是经过无数个矩阵叠加运算之后的结果，是吧？”
“差不多可
更多内容加载中...请稍候...
本站只支持手机浏览器访问，若您看到此段落，代表章节内容加载失败，请关闭浏览器的阅读模式、畅读模式、小说模式，以及关闭广告屏蔽功能，或复制网址到其他浏览器阅读！
本章未完，请点击下一章继续阅读！若浏览器显示没有新章节了，请尝试点击右上角↗️或右下角↘️的菜单，退出阅读模式即可，谢谢！