【学习笔记】WEEK3_Shallow Neural Network_Neural Network Representation

1、计算神经网络的层数时，输入层不计算在内
    例：下图为2层神经网络、隐藏层（Hidden Layer）为第1层，输出层（Output Layer）为第2层

    


2、各层的参数的维数
    1）第 [1] 层（隐藏层，输入层为第0层）的参数 w-[1], b-[1] 中：
        （1）w-[1]为(4, 3)矩阵，对应本层[1]（隐藏层）的4个神经元与上一层[0]（输入层）的3个输入
        （2）b-[1]为(4, 1)向量，对应本层[1]（隐藏层）的4个神经元，每个神经元对应的b_i为一个一维实数
    2）第[2]层（输出层）的参数w-[2], b-[2]中：

        （1）w-[2]为(1, 4)矩阵，对应本层[2]（输出层）的1个神经元与上一层[1]的4个神经元

        （2）b-[2]为(1, 1)向量（即实数），对应本层[2]（输出层）的1个神经元

            


3、（无随堂测验）