给我画一个双层神经网络把隐藏层权重标好

双层神经网络通常由输入层、一个隐藏层和输出层构成。这里是一个简化的示意图描述：

   ┌──────────────┐
   │ 输入层 (x) ├───→ 加权和 (+) ─> 非线性激活 (σ)
   │             │          │
   ├───| 权重 W1  |-------------| 权重 W2  ├───>
   │             │          │
   └──────(b1)     │          │         │
                   ├───→ (b2)     │         ├───> 输出层 (y)
                     │             │         
                     └──────────────┘

在这个结构中：
1. **输入层**接受输入数据 `x`，每个神经元对应一个输入特征。
2. **第一层（隐藏层）**：通过权重矩阵 `W1` 和偏置项 `b1` 对输入进行加权求和，然后通过激活函数 `σ`（如sigmoid、ReLU等）转换结果。
3. **第二层（隐藏层或输出层）**：类似的过程，使用权重矩阵 `W2` 和偏置项 `b2` 进行计算，最后得到输出层的结果 `y`。

权重是以数字表示的连接强度，它们决定了信号在神经网络中的流动。在实际应用中，这些权重会在训练过程中不断调整，以最小化损失函数，从而优化模型性能。

如果你想要看到具体的数值表示，那将需要一个图形化的工具或者编程环境（如TensorFlow、PyTorch等），因为文字难以展示具体的权重值。你可以尝试使用Python的可视化库比如matplotlib或seaborn，或者在线神经网络模拟工具来查看。