1.神经网络构成：输入层（x）、输出层（y)、隐藏层（不是输入也不是输出就是隐藏层）
2.神经网络结构：
如图，Layer1为输入层，Layer3为输出层，Layer2为隐藏层。
在每条连线上都有一个权重。
首先解释一下意思：
表示第j层第i个单元。比如
表示第2层第一个单元（或者说节点）。
表示从第j层到第j+1层的权重。
的维度是
，由上面可见，第j层有3个单元，所有维度为3*4。
表示从第j层第i个单元到第j+1层第k个单元的权重。
每层都有一个偏置单元，值恒为1。
这里是一种向前传播的神经网络。
3.使用神经网络：
1.以 为例
关于h的构造：
选取偏置单元的权重为-10，其余为20.则得到一个h:，其中g（z)是一个阈值函数，当z>=5时，g(z)趋于1,当z<-5时，g(z)趋于0.因此h满足y的真值表。可以用这个网络。
当遇到复杂函数时，我们可以一步步分解，然后可以添加隐藏层的层数，来逐步实现网络。
4.多类别分类
多类别分类指的是最后输出的y不是一个值，是多种值。这种情况，我们可以用向量来表示结果。但依然是一层来表示输出，只不过最后一个有多个单元，来表示值（0/1）.比如有4个类别，那么我们最后一层四个单元节点，比如 1000表示类别1，0100表示类别2,以此类推。注意y的表示形式与最后h的表示形式是一致的。