Нейронную

78 
Глава 1. Как работают нейронные сети

---

приведена ниже. Например, вы видите, что весовой коэффициент 
для связи между третьим скрытым узлом и третьим выходным уз­
лом w3 з=0,9.
Отлично, необходимые матрицы получены.
Продолжим нашу работу и определим комбинированный сглажен­
ный сигнал для скрытого слоя. Кроме того, мы должны присвоить 
ему описательное имя, снабженное индексом, который указывает 
на то, что это входной сигнал для скрытого, а не последнего слоя. 
Назовем соответствующую матрицу Хскрытый:
X 
=W 
• I
скрытый 
входной_скрытый
Мы не собираемся выполнять вручную все действия, связанные 
с перемножением матриц. Выполнение этой трудоемкой работы мы 
будем поручать компьютеру, ведь именно с этой целью мы использу­
ем матрицы. В данном случае готовый ответ выглядит так.
Пример использования матричного умножения в сети с тремя слоями 
79

---

Я получил этот ответ с помощью компьютера, и вы научитесь де­
лать это, используя язык программирования Python, о чем мы по­
говорим далее. Мы не будем заниматься этим сейчас, чтобы пока что 
не отвлекаться на обсуждение программного обеспечения.
Итак, мы располагаем комбинированными сглаженными вход­
ными сигналами скрытого промежуточного слоя, значения которых 
равны 1,16; 0,42 и 0,62. Для выполнения всех необходимых вычис­
лений были использованы матрицы. Это достижение, которым мы 
вправе гордиться!
Отобразим входные сигналы для скрытого второго слоя на диа­
грамме.
Пока что все хорошо, но нам еще остается кое-что сделать. Как 
вы помните, чтобы отклик слоя на входной сигнал как можно лучше 
имитировал аналогичный реальный процесс, мы должны применить 
к узлам функцию активации. Так и поступим: