【09-神经网络介绍2】

激活值的计算

计算出隐藏层中某一层的输入（上一层的激活值向量）输出（本层的激活值向量），得到公式；

其中l为当前层数（不算初始输入数据层），j为当前层的第几个节点/神经元，a 表激活值，g() 表sigmoid函数；在这里g()被称为激活函数；

为了保持一致，将最原始的输入特征数据称为a0, 即第0层的激活值；

神经网络的正向计算

手写数字识别，区分0/1；

数字1的图像：一个8*8的像素网格，其中255表白色，0表黑色，

模型：具有两层隐藏层的神经网络，第一层有25个神经元，第二层有15个神经元，第三层为输出层有一个神经元；

输入：64个数字；输出：是1/0的概率；

从输入到输出的计算，是从前往后的，也称前向传播，因为在传播这些神经元的激活值；