chucksonwheel的博客

第二章 神经网络基础 符号说明 样本：(x,y)，x∈Rnx,y∈{0,1} 样本：(x,y)，x\in \mathbb R^{n_x},y\in \{0,1\} m个训练样本：{(x(1)，y(1)),(x(2)，y(2)),…,(x(m)，y(m))} m个训练样本：\{ (x^{(1)}，y^{(1)}),(x^{(2)}，y^{(2)}),\dots,(x^{(m)}，

第三章 浅层次神经网络1 结构输入层 隐藏层（隐藏意味着在训练中，节点的真实值是不知道的） 输出层 输入层为第0层，所以有一个隐藏层的神经网络称为双层神经网络 2 计算输出（forward propagation正向传播过程） 符号说明 a[0]=Xa^{[0]}=X：特征值，放入输入层 a[1]a^{[1]}：隐藏层参数，包含参数w[1]w^{[1]}、b[1]b^{[1]