【吴恩达机器学习笔记p47-49】

1. 神经网络层

【了解神经网络如何完成预测的】

1. input：4个数字的向量。
2. 3个神经元分别做logistic regression。
3. 下角标：标识第 i 个神经元的值。
4. 上角标：表示第 j 层layer的值。
5. 这3个神经元所做的logistic regression的结果组成了一个向量a将传给ouput layer。

6. 第1层的output向量a，是第二层的input。
7. 第2层只有1个神经元，所以结果为标量a。

8. 拿到结果标量a之后呢，看a的大小。大于0.5（threshold阈值）则预测为yes， 小于则为no。

2. 更复杂的神经网络

1. 4层的神经网络，最后一层为output layer。

2. 练习：【3， 3， 2， 3】

3. 这个g（）函数为sigmoid function（activation function）

4. input = a[0]，可以理解为第0层。

3. 神经网络的前向传播forword propagation

（如何使用neural networks来预测/推理）

1. 例题： 识别手写的内容是否为“1”。
2. 使用2层的hidden layers，来预测手写内容为“1”的概率。
3. a[1]会有25个数字，因为layer 1 有25个神经元。
   
4. 同理，a[2]有15个数字。

5. a[3]只有1个数字，是一个标量。
6. a[3] = f(x)