0。5
?
速度的权重是
0。2
2。
然后进行计算:
3。
最后,他们使用一个神秘的“决策咒语”(激活函数,比如re露或sigid)来决定艾琳的评分。假设这里采用sigid函数:
这个数值越接近
1,说明艾琳的潜力越大。
这道门的计算过程类似于神经网络的隐藏层:它并不会直接得出结论,而是对输入数据进行权重计算和非线性变换,以挖掘出更深层次的信息。
第三道门:输出层(最终决策)
艾琳来到了最后一道门。这里的守门人只关心一个问题:“艾琳是否足够聪慧,值得获得智慧之石?”
这位守门人只会接收前面计算出来的结果(0。9986),并根据一个最终判定标准来决定是否放行:
?
如果得分
≥
0。7,放行。
?
如果得分
<
0。7,拒绝。
由于艾琳的得分是
0。9986,远超
0。7,所以守门人微微一笑,为她打开了城堡的最后一道门。
艾琳顺利进入城堡,获得了智慧之石。
比喻:三层神经网络