求使隐藏层某一个神经元取到最大激活的输入问题，即
对这个函数求最值：
………………………………….
..(j=1,2..100)是100个方程未知量
其中f是sigmoid函数
我们知道sigmoid函数是单调递增的，那么对上式函数求最值，就是对里面的
函数求最值。
，
是常数，所以就是求
这个方程的最大值。怎么求最大值呢？
因为令
和
所以
。也就是求
的最大值。
在矩阵理论中我们有Cauchy柯西不等式：
。因为
，所以即
。
通过柯西不等式我们发现了
的上界：
，并且我们知道当
的时候，能够达到上界。
但是需要注意的是，我们发现这种上界跟x有关系，也就是说这个上界是不固定的，并且随着x二范数的增加而增加。所以我们求这个方程的最大值，就必须固定这个方程的上界，也就是固定x二范数。（注意x二范数固定不是说方程的未知数x就固定了，你的x里面的100个xj还是可以变化，只要二范数不变就可以）
我们假设固定x的二范数
，然后求
的x的值，（w是已知量），即求下面这个方程组x的值：
我们求得的x的值为（口算即可算出）：
这个
就是使
取到最大值的的输入。
现在你可能有一个疑问，上面是假设x的二范数
，可不可以是其他的值，答案是可以。你也可以把x的二范数等于2.
这样我们求得的使
取到最大值的输入是上面的那个
向量各元素都乘以
。
其实你把x的二范数定成几都可以，最后用上面方法算出的
都是使
取到最大值，只是取的最大值的大小不一样。
但是
的增大不一定
就一直随着增大，因为我们知道sigmoid函数如图所示：
所以
的值在5以上，
也不会增加了，就一直保持趋近于1.当然这里我们使
取得最大值不一定就要取到1，只要是最大值即可。
综上，你只要把输入x（注意这里的输入跟训练网络参数的训练样本没关系）限定在一个二范数a以内（二范数以内的x不可能使
取最大，这里要求输入x要在二范数a以内是使
上界不变，取到上界的
只能是x的二范数等于a且x=kw的输入值），那么我们就可以找到使
取到最大值的输入
。
最后你想以图像的形式展示使取最大值的输入x的时候，其实你没必要纠结应该把输入x的二范数限制在几，因为这里你只是在展示图像，而不管x的二范数限制在几，那些不同的只是系数问题，而在图像上表示出来只是图像像素深浅的问题，而图像的明暗的布局并没有改变。所以你如果求一堆x哪个使最大，如果有的话只能有一个值（这个x范数最大，且是权重参数的倍数），但是如果只是展示图像，那么只要你要展示的x只要是相应权重的n倍，展示效果都是一样的。在程序中也是除以了系数最大值，而不是把除以相应系数和。
（完）