在神经网络中，非线性指的是神经元的激活函数不是线性的。输入层是1×3的矩阵，隐藏层1和隐藏层2是1×4的矩阵，输出层是1×1的矩阵，这样在输入层和隐藏层1之间有一个3*4的权重矩阵，隐藏层1和隐藏层2之间有一个4×4的矩阵，隐藏层2和输出层之间有一个4*1的权重矩阵。y与很多x相关，但是x的权重不确定，线型回归就是在做求x的权重的过程，神经网络可以视为一个多层的线性回归模型，但其关键之处在于神经网

第一层：几何路径层（γ(s)）参数：伪弧长 s（与时间无关的几何参数）形式：分段多项式，M段，每段阶数 D=2u−1物理意义：描述轨迹的空间几何形状第二层：时间映射层（s(t)）参数：时间 t形式：时间均匀的分段多项式，M段，阶数 2u（比几何层高一阶，确保时间导数连续）物理意义：控制机器人沿路径的运动节奏2. 关键连接通过严格的分段对应关系（论文中的图7B）：第 i 段时间区间δTi 对应第 i

在神经网络中，非线性指的是神经元的激活函数不是线性的。输入层是1×3的矩阵，隐藏层1和隐藏层2是1×4的矩阵，输出层是1×1的矩阵，这样在输入层和隐藏层1之间有一个3*4的权重矩阵，隐藏层1和隐藏层2之间有一个4×4的矩阵，隐藏层2和输出层之间有一个4*1的权重矩阵。y与很多x相关，但是x的权重不确定，线型回归就是在做求x的权重的过程，神经网络可以视为一个多层的线性回归模型，但其关键之处在于神经网