吴恩达深度学习第一课第三周(浅层神经网络)

打卡（1）

3.1 神经网络概览

* 可以很多个sigmoid单元堆叠起来构成一个神经网络。
* 图中[1]、[2]表示层((1),(2)表示单个样本)；
* 图中圆圈是sigmoid函数，由两步算的，第一步算z。第二步算a；

打卡（2）

3.2 神经网络表示

* 输入层———隐藏层————输出层————预测值（输入层一般不看作是一个标准层，神经网络的层数指隐藏层和输出层）
* 隐藏层的含义：在训练集中 这些中间节点的真正数值，是不被知道的
* 图中是一个双层神经网络

3.3. 计算神经网络的输出

* $\alpha^{[\theta]}_{i}$中，$\theta$值所在层，$i$表示第$\theta$层的$i$个节点.
* 节点进行的运算：
$Z^{[\theta]}_{i}=w^{[\theta]T}_{i}X+b^{[\theta]}_{i}$;
$a^{[\theta]}_{i}=\sigma(Z^{[\theta]}_{i})$ ;
$w^{[\theta]}$和