其中 称为激活或转移函数
N 是输入神经元的数量、权重、输入神经元的输入，以及ℎ 隐藏神经元的阈值项。该激活函数的目的除了向神经网络引入非线性之外，还在于绑定神经元的值，以便神经网络不会因发散的神经元而瘫痪。激活函数的一个常见示例是 sigmoid（或逻辑）函数。 已经证明以上述方式构建的神经网 络可以以任何精度逼近任何计算函数。对于神经网络近似的函数，给予输入神经元的数字是 西班牙电话号码数据 自变量，而从输出神经元返回的数字是因变量。 当数据被正确编码时，神经网络的输入和输出可能是二进制的（例如是或否），甚至是符号的（绿色、红色等。 这一特性赋予神经网络广泛的应用。 神经算法实现示例 神经网络可用于预测综合股票价格指数（IHSG）。 考虑到 JCI 是股份制股票因此这是投 资时需要记住的一个重要参数。由于JCI数据变化较大，且JCI价格变化非常快，因此很难预测该指数是上涨还是下跌。 为了克服这个问题，使用了神经网络算法。神经网络是自适应的，可以根据数据集中的趋势预测 第一数据库 近似值。它可以很好地预测货币市场走势数据。 在这个神经网络中，有一些因素在数据维护中的实现中发挥着非常重要的作用。发挥重要作用的因素包括神经网络本身与通常使用网络软件的数据维护技术的有效结合。
