从输入单元的**项开始，进行前向传播给隐藏层，计算隐藏层的**项，然后继续前向传播，并计算出输出层的**项。
简言之，按照输入层，隐藏层，输出层的顺序，依次计算不同层的**项的过程叫前向传播。
下面示范将前向传播向量化的过程：
我们进一步会发现，最后一步假设函数h(x)的计算公式就是标准的Logistic回归模型，只不过这里的特征不是直接提供的x1，x2，x3，而是通过隐藏层后计算所得的**项。并且这些**项并不是由x1，x2，x3这些输入的特征来训练得到，而是由决定，而
的参数不同时也会得到不同的**项作为训练最后一步Logistic回归的特征。
BY ZJQ