主题:浅层神经网络(Shallow neural networks)
3.1 神经网络概述(Neural Network Overview)

3.2 神经网络的表示(Neural Network Representation)

x1,x2,x3 ,叫神经网络的输入层
中间的4个节点 隐藏层
最后1个节点 输出层
3.3 神经网络如何计算输出的(Computing a Neural Network's output)

注:不应该用for循环计算,效率低,先向量化用矩阵计算
3.4 多样本向量化(Vectorizing across multiple examples)
神经网络是通过对逻辑回归中的等式简单的变形,让神经网络计算出输出值。这种计算是所有的训练样本同时进行的,即:
如果有一个非向量化形式的实现,而且要计算出它的预测值,对于所有训练样本,需要
让𝑖从 1 到𝑚实现这四个等式
网友评论