待验证60% 置信事实精确时间

神经网络中每一层的输出可以表示为 f(Wx + b)，其中 f 是激活函数，W 是权重矩阵，b 是偏置向量，x 是输入向量

2

来源数

60%

置信度

长期有效

时效性

2026/9/4

首次发现

来源

免费开源线性代数与机器学习教材：学生视角的自学笔记

涉及实体

神经网络concept

相关事实

已验证神经网络的前向传播本质上就是矩阵乘法75% 相似待验证神经网络的每一层执行线性变换（矩阵乘法加偏置向量），随后施加非线性激活函数（如 Sigmoid 或 ReLU）73% 相似待验证神经元激活的度量方式包括原始激活值、激活频率和相对激活强度等多种，反映模型内部不同的信息组织逻辑72% 相似待验证神经网络训练的目标是根据已知的一组x和y猜出所有的w和b参数71% 相似已验证机制可解释性试图理解神经网络内部每个神经元和每层连接编码了怎样的概念70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/855503

API

curl https://kongchang.com/api/v1/knowledge/claims/855503

MCP

get_claim(id=855503)