第560章 用一个故事解释复合函数（第3页）

：第一层的计算（比如线性变换

+

激活函数）

?

：第二层的计算

?

：最终输出层

这和复合函数

的概念完全一致，只不过在神经网络中，有更多层的嵌套。

类比故事：ai

也是在“炼制智慧药水”

就像炼金术士艾尔文用多层处理的方法炼制智慧药水一样，ai

也需要一层一层地处理信息：

?

第一层：从原始数据中提取基本特征（类似于提取魔法精华）

?

中间层：进一步转换特征，使其更具意义（类似于化学转化）

?

最终层：输出结果，例如预测类别或数值（类似于最终的智慧药水）

2.

反向传播依赖复合函数的链式法则

在

ai

训练过程中，我们要不断优化神经网络，使其预测结果更准确。

这依赖于反向传播算法（backpropagation），它的核心就是链式法则（chain

rule），用于计算复合函数的导数。

如果损失函数

是输出

的函数，而

又是隐藏层输出

的函数，那么梯度计算就是：

这说明：

本章未完，点击下一页继续阅读