举一个具体的例子表示它的第一层矩阵计算

好的，假设我们有一个简单的NNLM模型，它的输入是一个句子中的第一个单词的one-hot编码向量，输出是预测下一个单词的概率分布。该模型的第一层是一个矩阵乘法，它将输入向量乘以一个权重矩阵，生成一个隐藏层的向量。

假设输入向量是[0, 1, 0, 0, 0, 0, 0, 0, 0, 0]，表示第一个单词是第二个单词（假设我们的词汇表中只有10个单词）。权重矩阵的形状是（10，50），表示我们使用50个隐藏单元。那么第一层的计算如下所示：

[0, 1, 0, 0, 0, 0, 0, 0, 0, 0] x W

其中W是一个10x50的权重矩阵，表示从one-hot编码的输入向量到50个隐藏单元的映射。计算结果是一个1x50的向量，表示隐藏层的状态。这个向量可以进一步传递到模型的后续层进行处理。