笔了。他知道自己要考的试多，考试之前提前准备了不少笔，晃了晃，看了看自己手里的这个大管的黑色签字笔刻度条上已经空了三分之一的笔墨。
“唉。”
叹了口气，怕是这两题写完后，又得去小卖部拿两支笔，才能再去赶去下个考场。
看了眼第一道题：人工神经网络来源于生理学的人脑神经网络，最早指的是生物的大脑神经元，控制着生物的行为，人们模仿大脑神经元的功能建立了人工神经网络……‘神经网络是一种并行的分布式信息处理结构，由处理元件与单向信号通道互连而成，能够处理信息的计算机系统。’”
卷面上的大量介绍，陈默只是简单地扫了下，这些都是他研究的领域，看了眼设定的条件，便直接写了起来。
“人工神经元基本模型：如图1所示，人工神经网络由多个神经元组成，一般由多个输入一个输出，x1，x2，xn代表输入信号，yj代表神经元的输出，wij代表输入信号x1和神经元j之间的权重。bj代表神经元的偏移量，f(.)为激活函数。设第j个神经元的净输入值为sj：则有以下……可证f(.)是单调递增函数，且是有界函数……
bp神经网络算法由正向传播和误差反向传播两个过程组成。正向传播时，由输入层到隐含层再到输出层，每层神经元只影响下一层的神经元的状态……反向传播是根据误差函数、利用梯度下降法进行的，所以反向传播中最重要的是误差函数……”
陈默一边计算，一边阐述，不用说试卷上留有的空白根本不够写的，一面考卷就被写满了。好在之前陈默写前面的题目的时候，没有怎么用草稿纸。两张空白的a3的稿纸便被他拿来当答题卡了。
“激活函数的主要作用是提高神经网络的非线性建模能力，因为涉及非线性建模，缺少激活函数，神经网络只能表达线性映射，即使有再多的隐藏层，整个神经网络跟单层神经网络是等价的。加入激活函数，神经网络才具备了分层的非
