吴恩达机器学习（神经网络学习）

（1）神经网络算法模型展示

神经网络算法在学习复杂的非线性假设上是一种比较好的算法，即使输入特征空间或者n很大，也能轻松搞定。

如何定义神经网络的假设函数

Layer1是输入层。

Layer2为隐藏层。隐藏层实际上就是一个复杂式子的中间计算过程，除了输入层外，其他的每一个节点表示的就是一个计算过程，计算的具体过程由参数值所决定。所以不论所要求解或者表达的式子多么的复杂，通过增加隐藏层的数目和层中的节点数，一定可以表示出来。

Layer3是输出层。

下面是上图中的三个隐藏值计算的过程以及输出层h(x)的值
Layer1是输入层。
Layer2，3为隐藏层。
Layer4是输出层。
不管有几层都是为了得到非线性假设函数

举例子来说明神经网络是怎样计算复杂非线性函数的输入

AND（逻辑和）
全真才为真
OR（逻辑或）
有真即为真
NOT(逻辑非)
非真为真

XNOR(非异或)
相同才为真

用神经网络解决多类别分类问题