激活函数为 ＲｅＬＵ 函数Ｒ使用权重初始化器ｈｅ＿ｎｏｒｍａｌ［１７］进行权重 初 始 化最 后 由ｓｏｆｔ－ｍａｘ函数输出分类结果

在神经网络中，激活函数用于引入非线性性质，以增强模型的表达能力。ReLU函数是一种常用的激活函数，其定义为：

ReLU(x) = max(0, x)

其中，x为输入。当输入大于等于0时，ReLU函数的输出等于输入值；当输入小于0时，ReLU函数的输出为0。

权重初始化器用于初始化神经网络的权重。He_Normal是一种常用的权重初始化器，它根据高斯分布生成权重，标准差为sqrt(2/n)，其中n为权重的输入维度。

最后，使用softmax函数对输出进行分类结果的计算。softmax函数用于将输出转化为概率分布，其定义为：

softmax(x_i) = exp(x_i) / sum(exp(x_j))

其中，x_i表示输出向量的第i个元素，exp表示自然指数函数，sum表示求和函数。

综上所述，通过使用ReLU函数作为激活函数，He_Normal作为权重初始化器，以及softmax函数作为输出分类结果的计算函数，可以搭建一个具有较好性能的神经网络模型。