在人工智慧（AI），特別是深度學習（Deep Learning）中，複合函式是整個模型的核心結構。神經網路的計算過程本質上就是一系列複合函式的巢狀，它決定了輸如何被逐層轉換，最終得到模型的預測輸出。
1. 神經網路是複合函式的堆疊
我們可以把一個**深度神經網路（DNN）**看作是多個函式的複合。例如，一個典型的神經網路從輸到輸出的計算過程如下：
? ：第一層的計算（比如線變換 + 啟用函式）
? ：第二層的計算
? ：最終輸出層
這和複合函式 的概念完全一致，只不過在神經網路中，有更多層的巢狀。
類比故事：AI 也是在“煉製智慧藥水”
：訊資理地層一層一要需也IA，樣一水藥慧智製煉法方的理層多用文爾艾士金鍊像就
）華法魔取提於似類（徵特本基取提中料資始原從：層一第?
）化轉學化於似類（義意更其使，徵特換轉步一進：層間中?
）水藥慧智的終最於似類（值數或別類測預如例，果結出輸：層終最?
則法式鏈的式函合複賴依播傳向反.2
。數導的式函合複算計於用，）eluRniahC（則法式鏈是就心核的它，）noitagaporpkcaB（法算演播傳向反於賴依這。確準更果結測預其使，路網經神化佳最斷不要們我，中程過練訓IA在
：是就算計度梯麼那，式函的出輸層藏是又而，式函的出輸是式函失損果如
：明說這
。確更型模使，數引整調層逐，獻貢的己自算計則法式鏈過都層一每，播傳前向層一後最從差誤?
力能達表的強更備路網經神讓式函合複.3
：如比，係關線非的雜複習學夠能，換變層多的式函合複過路網經神度深而。式模料資的雜複理法無，係關的單簡最到學能只IA，）式函線如（式函的單簡個一用只果如
）別識件到素畫從（別識像影?
）字文到號訊訊音從（別識音語?
）解理義語到子句從（理言語然自?
。映對的義語階高到徵特階低從習學夠能IA得使狀巢層多的式函合複為因是正，效有以所之用應些這
論結
。果結測預出算計終最，輸為作出輸的層一前將都層一每，式函合複是質本的路網經神?
。化佳最以可型模得使，度梯的式函合複算計來用，則法式鏈於賴依播傳向反?
。務任度難高種各理，徵特雜複取提層逐夠能路網經神使，力能習學的IA了強增式函合複?
！石基的展發IA是，念概的式函合複
