神经网络：表示

神经网络为什么会诞生。先看逻辑回归。如果有100个特征x1~x100，那么如果想表示x1x2，。。，x1x100.这就要算100*100（o(n^2)）个的项了，更何况有的时候不仅仅是二次项。

比如我要求的就是一个50×50像素的小图片，总共有2500个像素特征。如果是RGB的那么就7500个特征。如果要用逻辑回归算二次就是7500×7500将近3万的特征，这是非常多的。因此，神经网络也呼之欲出了。

以上就是一层当中，对于它一些元素的定义。就是这么定义的，只能记忆。a是隐层，还有中间的函数就是sigmoid函数。

诺，这个就是前向传播。怎么说呢，表示方式要熟悉。

如果把神经网络的前面给档了，后面就是一个逻辑回归。一模一样。

只不过神经网络的输入是有选择的，是通过第一层训练获得的。这也就没有必要去计算所有的参数，而是通过第一层有选择的选出特征。

神经网络可以由几层简单的函数叠加起来完成一个复杂的过程。比如上文这个例子就是生成异或这个功能。所以，神经网络是非线性的。

OK。先这样吧