然后来看隐藏一 ，隐藏一当中啊 ，给我们的感觉是什么 ，当前我对这个神经网络啊 ，连了一堆线 ，再来看这个线有没有什么特点啊 ，来 ，在这儿开始来 ，这是第一条线 ，连到我的第一个圆圈了 ，这里第二条线 ，第三条线 ，第四条线给我们的感觉是什么 ，唉 ，我的一个收藏当中啊 ，每一个圆圈都和我隐藏当中的每个圆圈连在一起了啊 ，这是一个它的结构叫什么 ，叫做一个全链 ，全连接啊 ，一会儿咱们来解释什么叫做全连接 ，我们先来看一下结构 ，那中间呢 ，这个四个圆圈啥意思啊 ，大家想一想 ，唉 ，你说你现在无论是在对数据做什么变换 ，目的是什么 ，唉 ，你对它做变换的目的是什么 ，让计算机能够更认识他吧 ，那可能我告诉计算机 ，一个年龄 ，一个身高 ，一个体重 ，他不太认识 ，或者说他觉得特征太少了 ，那我能不能把这个特征做一些变换呢 ，变得多一点可以吗 ，这里我写个一 ，二 ，三 ，四代表什么 ，隐藏一当中啊 ，把我原始输入的三个特征转换成了现在的四个特征 ，那大家可能会问到 ，原始输入特征是年龄身高体重 ，唉我这个都有实际的含义的 ，你说你现在给我转换成四个特征 ，那这是啥意思啊 ，他可能这么转的 ，比如说他他是拿这样来年你哦乘上一个0.1 ，加上一个身高 ，乘上个0.3 ，再加上一个 h 乘上一个0.2 ，组成这个一可以吧 ，然后就比如说这这是个一啊 ，就是0.10.30.3 a 不同的参数嘛 ，那二呢 ，二可能是0.2倍0+0.4倍的体重加0.5倍的一个身高 ，可对吧 ，那也就是说啊神经网络的中间 ，这个隐藏 ，他做了这样一件事儿 ，唉呀 ，你的原始数据特征啊 ，但是你们人类认识的东西 ，我计算机啊 ，我不认识 ，我需要把你这个特征转换成我能更认识的一些信息 ，这个就是隐藏一他要去做的 ，但是你说啊 ，你看我当前宽解式子0×0.1 ，

体重是0.3 ，这个身高乘0.2 ，它表示的这个中间结果 ，它到底什么意思啊 ，可以这么说吧 ，它没有一个具体的意思 ，它只是一个数值 ，大家只需要知道这个数值在计算机眼里还是更容易分辨的 ，更好的一个特征就可以了 ，为什么说神经网络是黑盒子 ，因为它中间作为这个东西在人类也不知道为什么 ，为什听到1023023这东西也无从得知 ，反正就是神经网络通过反向传播算出来最好的一种组合方式就可以了 ，在这里呢 ，1234代表着我对原来输入的一个特征进行了各种各样的变化 ，把他们仨组合在一起 ，变的花的去玩了 ，为什么说把他们仨都变的花圈了 ，来看一下 ，对于其中的每一个 ，你看这个1234当中 ，每一个是不是都跟左边全部连接在一起了呀 ，你看左边 ，比如说写个 abc 吧 ，它们之间是不是每一条线都连在一起了 ，那大家可能会问唉这条线到底在生活当中有没有没有这条线啊 ，这么跟大家说吧 ，也没有什么线 ，也没有什么神经元这个东西啊 ，就是我们的数据而已 ，那中间它是什么 ，给大家直接来揭晓谜底吧 ，它就是我们的权重参数 we 了 we 代表什么 ，比如说左边我连的是一个输入数据 ，我输入数据啊 ，咱之前在讲那个 tu 下降的时候 ，是不是说了有一个东西叫做一个 bat 代表呢 ，我一次去训练多少数据 ，一次去迭代几个数据 ，如果说咱指定当前的 b 为一啊就一个数据 ，一个数据玩 ，那现在我们当前这个输入层 ，它是不是一个1×3的 ，1×3的什么 ，一个样本 ，三个特征代表着我现在有输入数据吧 ，然后呢接下来我中间这个隐藏得到什么 ，做这个隐藏它是不是得到一个1×4的 ，还是当前这个样本吧 ，把三个特征转换成了四个特征 ，那我问他一个事儿的药 ，你说由这个1×3再变到这个1×4 ，