AI数学基础9——单个样本神经网络输入公式

本文是吴恩达深度学习课程第一门课3.3节计算一个神经网络的输出的总结

一个只包含一个隐藏层的两层神经网络，可以表示成：

其中,x表示输入特征向量，a表示每个神经元的输出，W表示特征的权重，上标方括号表示神经网络的层数，下标表示该层的第几个神经元；

约定俗成的情况：输入层记作第0层，相比其它层，输入层没有任何计算，所以，通常讲的多少层神经网络，并不包含输入层。例如，2层神经网络（2 layer NN），就是指1层隐藏层（Hidden layer）+ 1层输出层（output layer）。

这是神经网络的符号惯例

经过推导，给定一个样本的输入特征向量x，四行代码就可以计算出一个简单的神经网络输出，如下：

详细的推导，请参看教程。

从学习的角度，一定要亲自推导一遍，这样可以原理上搞清楚；

从应用的角度，一定要记住结论，方面快速使用。