但如果這個決策結果和實際情況不符呢？國王如何優化顧問們的判斷呢？這就需要反向傳播。
2）反向傳播backpropagation）
國王發現大祭司的決策和真實情況不符，比如他選了一位很強但不忠誠的戰士。於是，他計算誤差，並將這個信息反饋給顧問們，讓他們調整評分標準。
數學上：
1.計算損失oss），衡量預測值和真實值的誤差：
2.計算梯度，調整每一層的權重：
其中，是學習率。
這就是梯度下降gradientdescent），通過不斷調整權重和偏置，使得最終預測更接近真實值。
最終，國王的顧問係統變得越來越精準，每一輪決策都會比上一輪更好。p的現實應用
多層感知機在很多領域都有應用，特彆適用於需要學習非線性關係的問題：
1）圖像識彆
?輸入層：像素數據rgb值）。
?隱藏層：識彆邊緣、顏色、形狀等特征。
?輸出層：判斷這是一隻貓還是一隻狗。
2）自然語言處理
?輸入層：單詞或句子。
?隱藏層：學習語法結構、詞義關聯。
?輸出層：生成文本、回答問題。
3）金融預測
?輸入層：股票價格、經濟指標。
?隱藏層：分析趨勢、市場情緒。
?輸出層：預測未來價格走勢。
5.結論
?單層感知機perceptron）隻能處理簡單問題，無法學習複雜的非線性關係。p）通過多個隱藏層，使得神經網絡可以學習更深層次的特征。
?前向傳播forardpropagation）計算預測值，反向傳播backpropagation）通過梯度下降優化參數，使模型不斷學習和提高準確性。p是深度學習的基礎，後來的卷積神經網絡n）、循環神經網絡rnn）等都是在它的基礎上發展出來的。
最終，國王成功地通過“多層感知機”找到最合適的守護者，而現代ai也通過p實現了從圖像識彆到金融預測的突破！
喜歡職場小聰明請大家收藏：()職場小聰明書更新速度全網最快。