最后一层的输出使用一个模电计数器，用来统计5Hz串中“1”的数量，容量则为1024。
最终，输出部分，计数器的高4位被连接到计数板上，然后电路选取最大的值并在面板上显示结果。
结构总览：
网络架构总览：
作者介绍，该神经网络在MNIST数据集上约实现了80%的准确率，作为对比，同权重的全精度网络的准确率为88%。
另外，它的单次理论识别时间约为5分钟，但没想到Minecraft的运算能力实在有限——在实际测试中，可能要40分钟以上。
由此作者得出，Minecraft随机计算神经网络在时间开销上未必优于全精度网络。不过全精度网络目前还没有人做出来。
“工作量和难度都很大”在这个作品的评论区，都是一水儿的称赞有加与膜拜（连大V籽岷都冒泡了）——
