给出一个生活中的最简单的两层神经网的实际例子

马克-to-win @ 马克java社区：防盗版实名手机尾号：73203。下面我们给出一个生活中的最简单的两层神经网的实际例子。比如，在我们的心目当中，只要有游泳池这种设施的房子就属于高档住宅。先进行一个初步判断，高还是低？ 最后才进行最终的价格判断，所以这样就有了两层神经网络。先看是高档还是低档住宅，之后高档住宅的价格偏移和低档住宅的价格偏移是完全不一样的。马克-to-win @ 马克java社区：在下图中，判断高档和低档住宅的这一层叫做隐含层，英文叫hidden，我们这里用h1和h2代表。加上输入层，x1和x2，这样就构成了两层的神经网络。隐含层可以做一个初步的判断。将来可以有更多的隐含层。比如有一处房子，地点在天安门旁边东华门，输入x1就应该等于五万元一平米，权重w1,w2的值都是0.5。马克-to-win @ 马克java社区：而这处房子带游泳池，于是x2=1,000,000，w3是0.8，w4是0.001，（为什么？ 因为高档设施对判断为高档住宅贡献较大）b1=50000,b2=10000,w5=0.8, w6=0.001（为什么？ 因为高档住宅对最终的价格贡献较大）,b3=1000于是：
h1=x1*w1+x2*w3+b1=50000*0.5+1,000,000*0.8+50,000=875,000。
h2=x1*w2++x2*w4+b2=50000*0.5+1,000,000*0.001+10000=36000
o1=h1*w5+h2*w6+b3=875,000*0.8+36000*0.001+1000=701,036

现在：另外有一处房子在6环，无游泳池。输入x1就应该等于一万元一平米，权重w1,w2的值都是0.5。而这处房子无游泳池，于是x2=100，w3是0.8，w4是0.001，b1=50,000,b2=10000,w5=0.8, w6=0.001,b3=1000于是：
h1=x1*w1+x2*w3+b1=10000*0.5+100*0.8+50,000=55080
h2=x1*w2++x2*w4+b2=10000*0.5+100*0.001+10000=15000.1
o1=h1*w5+h2*w6+b3=55080*0.8+15000.1*0.001+1000=45079.0001

更多请见：https://blog.csdn.net/qq_43650923/article/details/100532437