按照这个例子继续nnlm的计算

好的，接下来我们假设该NNLM模型的第二层是一个带有softmax激活函数的全连接层，用于将隐藏层的向量转换为预测下一个单词的概率分布。假设该层的权重矩阵为（50，10），表示50个隐藏单元到10个输出单元的映射。

那么，第二层的计算可以表示为：

hidden_state x W' + b

其中hidden_state是上一层的输出，也就是1x50的向量；W'是第二层的权重矩阵，形状为50x10；b是偏置向量，形状为1x10。

接下来，我们可以将这个计算结果输入到softmax激活函数中，得到预测下一个单词的概率分布。具体而言，我们可以使用以下公式计算：

softmax(x) = exp(x) / sum(exp(x))

其中x是上一步计算得到的1x10向量，exp是指数函数，sum是所有元素的和。这个公式将x中每个元素e^x_i取指数，然后除以所有元素的和，得到一个概率分布。最终，我们可以得到预测下一个单词的概率分布向量。