01.神经网络和深度学习-浅层神经网络

浅层神经网络

3.1 神经网络的概览

注意：左上角使用（）来标记的话就是样本数据中的第几个数据，而使用【】来标记的话就是网络的第几层

3.2 神经网络的表示

左边的x1，x2，x3表示神经网络的输入层a^{[0]，而中间表示`隐藏层`a}[1]是一个四维向量，因为中间的节点有4个（在训练的过程中是无法得到中间隐藏层的数据的，所以叫做隐藏层），最后的节点表示输出层a¹

这是一个两层的神经网络（在计算神经网络的层数的时候，我们是不记录输入层的）

在隐藏层拥有两个参数w^[1]与b[1]，其中w是一个（4*3）的向量，其中4是因为隐藏层有4个节点，而3是有三个输入特征；b²是一个（4*1）的向量，其中4是因为隐藏层有4个节点，而1是有1个b实数

在输出层也是有两个相关的参数w^[2]与b[2]，其中w是一个（1*4）的向量，其中1是因为输出层有1个节点，而4是隐藏层有四个节点

3.3 单个样本的计算神经网络的输出

基本的计算过程：

通过向量化的方法我们可以：
$$Z^1=$$