主題：淺層神經(jīng)網(wǎng)絡(luò)（Shallow neural networks）
3.1 神經(jīng)網(wǎng)絡(luò)概述（Neural Network Overview）
image.png
3.2 神經(jīng)網(wǎng)絡(luò)的表示（Neural Network Representation）
神經(jīng)網(wǎng)絡(luò)表示
x1,x2,x3 ，叫神經(jīng)網(wǎng)絡(luò)的輸入層
中間的4個(gè)節(jié)點(diǎn) 隱藏層
最后1個(gè)節(jié)點(diǎn) 輸出層
3.3 神經(jīng)網(wǎng)絡(luò)如何計(jì)算輸出的（Computing a Neural Network's output）
image.png
注：不應(yīng)該用for循環(huán)計(jì)算撕攒，效率低狼讨，先向量化用矩陣計(jì)算
3.4 多樣本向量化（Vectorizing across multiple examples）
神經(jīng)網(wǎng)絡(luò)是通過(guò)對(duì)邏輯回歸中的等式簡(jiǎn)單的變形插龄，讓神經(jīng)網(wǎng)絡(luò)計(jì)算出輸出值逸嘀。這種計(jì)算是所有的訓(xùn)練樣本同時(shí)進(jìn)行的扯俱，即：
如果有一個(gè)非向量化形式的實(shí)現(xiàn)，而且要計(jì)算出它的預(yù)測(cè)值，對(duì)于所有訓(xùn)練樣本湖笨，需要
讓??從 1 到??實(shí)現(xiàn)這四個(gè)等式
