前向传播
X，数据集矩阵。
每一行的元素代表了一个样例的特征值x1，x2，x3...
共有n行，说明数据集一共n个样例
theta，参数矩阵
行数：要生成的神经元个数
列数：上一层的输入个数
每一行的元素代表了对样例各个特征值的权重
以数据集为X（5 * 3），使用上图的网络结构为例：
输入层
X（5 * 3）说明数据集有5个样例，每个样例有3个特征值
针对图中的输入层a(1)，是一个样例的所有特征值。
隐藏层1
z2=X * theta1.T ——> (5，3) * (3，5) ——> (5，5)的矩阵
theta1:要生成5个神经元，上一层输入个数是3，所以其结构是（5 * 3）
公式中的 theta1 * a1 是算法思想的描述，代码实现需用X * theta.T
得到的矩阵，矩阵元素是神经元的暂时取值，后续需带入g( )。
有5列，代表5个神经元的各自暂时取值 {
- 样例特征值乘以其各自权重之后，相加。是一个数
- 5个神经元对特征值的权重不一样
}
有5行，每一行是一个样例的所有神经元的暂时取值
a2 = g( z2 )
将z2矩阵中的每一个元素作为参数传入g( )函数，进行运算。
运算后的矩阵行列数不变，矩阵中每一行是一个样例，一行中的每一个元素代表神经元的值，即a(2)1，a(2)2 ...
隐藏层2
以a2矩阵的每一行作为一个样例输入，与隐藏层1类似操作，得到a3矩阵
theta2 ——> (5，5)
输出层
z4 = a3 * theta3.T ——> (5 ，5) * (5，4) ——> (5，4)
theta3：要生成4个神经元（此层的神经元就是输出,4个神经元代表4种分类），上一层输入个数是5，所以其结构是（4，5）
a4 = h(x) = g(z4)，运算后是一个(5，4)矩阵
每一行一个样例，共5个样例
每一行的4个元素，代表该样例是分类1的概率，是分类2的概率...
若分类1的概率最大，则该样例属于分类1。使用np.argmax，返回最大值的下标n，可将a4转换成(5，1)的向量。
反向传播
根据前向传播的预测结果，建立代价函数J。反向传播是为了计算J的梯度，以便进行最小化操作，得到最佳的theta1、2、3矩阵。
神经网络的代价函数如下，我们的目标是求出。求解需要用到J的梯度数据
J是一个多元函数，所有的theta矩阵元素都是J的变量。其梯度是：J对每一个theta元素的偏导。如下可以证得（下图的网络结构与本例不同，具体做法有差别），偏导可以通过反向传播的误差矩阵求得。
具体做法是：
在本例中，可达到delta4，delta3，delta2。不对输入层做误差分析，故没有theta1。
，
由此可以得到D1，D2，D3矩阵，将D1、2、3降维，合并在一起，即可得到一个一维向量，即梯度grad。grad中的元素是J关于所有theta矩阵元素的偏导。
grad即是反向传播过程的输出。
有了代价函数J及梯度数据grad，可带入优化算法，运算得到训练后的theta1、2、3矩阵。