吴恩达Deeplearning.ai专项课程笔记（三）-- 深层神经网络

1.符号约束

• 网络层数 ：记为L，等于隐藏层加输出层数的和。
• 节点数 ：采用$n^{[l]}$表示第l层的节点/单元数。
• 激活函数 ：采用$a^{[l]}=g^{[l]}(z^{[l]})$表示第l层的激活函数值。
• 参数表示 ：采用$W^{[l]}$表示第l层参数，及求$Z^{[l]}$时的权重矩阵，采用$b^{[i]}$表示第i层参数$b$。
• 样本：用右上角圆括号表示样本i，如：$x^{(i)}$，则：$a^{[i](j)}$表示第j个样本计算至网络第i层后的值， y ^ ( i ) \hat{y}^{(i)} y^​