主题：【翻译】概率随机及编程 （一） -- 东方射日

你说的对，神经网络的核心不是随机算法，而应该是那个活化函数（常用的s函数或双曲正切函数）。并且传统的神经网络算法如你所说，没有用到随机算法。

以最简单的三层前馈神经网络为例，输入层在接受输入后，传导给隐藏层，传导的过程则是输出值乘以权重加上一定的偏差值。各神经元间连接的权重和偏差是通过回馈函数进行训练修正的。

这种不带随机的神经网络有一个特点，就是如果不断给出输入同样的输入，经过长时间的回馈训练，其行为会逐渐逼近线性函数，稳定地给出我们希望的输出值。类似于我们说说的条件反射。

放在日常生活中，一个熟练工人我们可以说他出错的可能性很小，但是我们不会说他绝对不会出错。

所以在游戏的人工智能中，我们在神经网络中通常会引入一些随机量，也就是人为引入些噪音。对权重和偏差随机有些变化。这样在对同样输入长期训练后仍旧会有一些出其不意的变化。可能是更好的决策，更多可能是大脑短路的自杀。

其二，隐藏层通常是非线性的活化函数对传递来的信号分析后，输出到输出层，通常会活化超过一个的输出神经元。一种方案是采用赢家通吃的办法，将活化值最大的神经作为该算法的输出。但是更常用的算法是将各个神经元的输出作为权重，采用随机函数来决定该算法的输出。

所以准确的说法，我应当将“神经网络算法是随机算法的应用”修改为“神经网络算法也应用了随机算法”