有多种来源，但它们的解释水平太高，我无法真正理解。
以下是我对这个模型工作原理的了解；
我们使用权重*值在前一层的节点中转发信息。我们这里不使用乙状结肠功能。这是因为如果我们在这里使用sigmoid函数，任何隐藏层都会强制值为正如果始终为正值，则后续值永远不能小于0.5。
当我们对输出进行反馈后，我们就对输出使用乙状结肠功能。
所以总的来说，我们只对输出层的值使用sigmoid函数。
我会尽量包括一个希望不是很糟糕的图表
https://imgur.com/a/4EzkpH5
我已经用自己的代码测试过了，显然它不应该是每个值和权重的sigmoid函数，但是我不确定它是否只是权重*值的和。
最佳答案
所以基本上你的模型有一组特性。这些特征是独立变量，负责产生输出所以特征是输入，预测值是输出这确实是一个功能。
从函数的角度研究神经网络是很容易理解的。
首先将特征向量与权重向量相乘。也就是说，必须产生两个向量的点积。
如果只有一个节点（神经元），那么点乘就是标量在产品上应用乙状结肠功能。结果是最后的预测。
整个模型可以表示为一个单一的复合函数，
y = sigmoid( dot( w , x ) )
如果我们把神经网络看作函数，那么理解神经网络的反投影（梯度下降）也会产生一些直觉。
在上述功能中，
sigmoid：将sigmoid激活函数应用于参数。dot：返回两个向量的点积。另外，尽可能使用矢量符号它避免了与求和相关的混乱。
希望有帮助。