【吴恩达深度学习】【神经网络和深度学习】 第三章 第一节 神经网络概览

本章节主要讲述的是浅层神经网络。而这一节则是对整个章节的概览

一、神经元

神经网络，神经元连接而成的网络

如图就是一个神经元，可以看出，有输出，有输出，中间经过了一些运算，这将来接下来的blog中进行讨论。

这是一个基于losgitic回归函数的神经元的具体的例子。

 

二、浅层神经网络

在一个神经网络中，我们把输入称作输入层，输出称作输出层，其余内部的称作隐藏层。

而对于只有一个隐藏层的神经网络我们一般称作浅层神经网络。

同时，我们一般从0开始计数，所以在这个如图所示的神经网络中，输入层就是第0层，隐藏层是第1层，输出层是第2层。

输入输出一般都有很多个，不一定是只有3个1个这样的形式，这里只是举了一个具体的例子。

这里同时约定一个符号标记，对于所有的神经网络中出现的参数，我们对其右上角的角标进行如下规定：

右上角有一个方括号角标，里面表示的是其在神经网络中的层数。

右上角有一个圆括号角标，其代表的是这是第几个训练样本

 

三、正向传播与反向传播

我们在之前的学习中知道了正向传播和反向传播的概念，这一个神经网络中，这是同样适用的。

因此，原来有关的概念在这里也一样可以拿过来使用。