在训练神经网络的时候，线性层无论怎么训练，都只能得到一个线性函数。因此，这对于非线性问题，并不能起到很好地预测作用。
工具/原料
1
电脑
2
Mathematica
方法/步骤
1
自己制作一组非线性的训练数据：data = Table[{m, n} -> 1.*Sqrt[m^2 + n^2], {m, -2, 2, 0.1}, {n, -2, 2, 0.1}] // Flatten // Union
2
在三维空间中，描述这些点：ListPlot3D[Join[#[[1]], {#[[2]]}] & /@ data, AspectRatio -> Automatic]
3
训练神经网络模型，采用线性网络进行训练：ted = NetTrain[LinearLayer[], data]
4
训练结果如下：
5
来测试一下这个神经网络：ted[data[[1, 1]]]与实际取值差得很多，这正是线性神经网络的弊端。
6
通过作图，可以更明显的显示这种方法的误差之大：Show[ListPlot3D[Join[#[[1]], {#[[2]]}] & /@ data, AspectRatio -> Automatic, PlotStyle -> {Blue, Opacity[0.5]}], Plot3D[ted[{x, y}], {x, -2, 2}, {y, -2, 2}, PlotStyle -> {Green, Opacity[0.5]}]]蓝色代表原始数据，绿色表示训练模型的预测结果。
注意事项
线性表达式，无论怎么加减，都是线性表达式，这是一个封闭现象。