核心公式
取最多6个有效基础模型的三项均值μ与标准差s，送入3个固定tanh节点；再对固定线性组合与均值相加后的分值做softmax。μ：各方向基础结果的平均值；s：各方向基础结果的分歧程度；tanh节点：当前固定参数的三节点非线性层
模型用途
把多个基础模型输出作为输入，由二级模型学习融合概率。
所属分类：机器学习与融合；公开目录状态：持续研究。单场数据与访问条件以 APP 为准。
模型输入
只使用满足模型条件的赛前信息；样本与缺失情况以 APP 为准。
只使用满足模型条件的赛前信息；样本与缺失情况以 APP 为准。
计算方法与公式
筛选至少3个、最多6个有效基础模型 → 计算三方向均值和标准差 → 执行固定参数三节点非线性层 → 经softmax给出融合倾向并展示上游影响。
直接输出
输出融合后的三项倾向、非线性节点值和参与模型数，用于查看当前组合方式。
在当前输入与假设下得到的分布或倾向，需结合本页样本与校准边界解读。
展示依据、方向与不确定性，不作为额外独立的一票预测。
如何理解边界
当前网络参数为工程初始化，尚未以历史归档训练。
不是已经完成样本外验证的Stacking系统。
上游错误和相关性仍可能传递到融合结果。
输出应按本页标明的概率、评分、因子或文字说明理解，不能保证赛果。所有内容仅供数据研究与娱乐参考。
在足球狗 APP 中查看模型。
在APP选择具体比赛，进入神经网络 Stacking后，结合实际数据、样本与访问条件阅读输出，再与同类方法对照。