人工智能之神经网络要进入的下一个阶段-演绎推理

 # 假如将演绎推理方式方法使用到神经网络该如何设计网络训练机制 
 # 之前经过分析得到两个全连接层神经网络中间使用一个sin或者是cos和傅里叶所说的一样能够表达一个信号
 # 而第一层网络是对输入数据的编码，这个编码符合后面的激活函数，而下面一层代码如何的修正激活函数和编码
 # 来表达输出来


 # 这个基本要做三个实验使用固定相位激活函数

 # 这样类似入transformers的编码和解码，对于人脑神经系统来说每个神经元细胞都是一个不同的激活函数，神经纤维就是一个修饰细胞的参数，也就是全连接层的权重。
 # 神经网络应该进入下一个阶段就是激活函数也是一个可以训练的神经网络。

 重点就是激活函数的神经网络通过神经网络的修饰，得到数据集输入和输出，映射的网络
这个思路其实可以应用在神经网络的压缩上
将神经网络作为激活函数，这样就可以将神经修饰为其他的神经网络（某种数据集）

也可以将类似的神经网络作为激活函数，对类似的任务进行处理，这就像人类在学习时候的模仿和类比，也像是推理
演绎推理

标签：编码,函数,人工智能,修饰,神经网络,演绎推理,激活
来源： https://blog.csdn.net/weixin_32759777/article/details/112371973