区分数字0和1的二分类问题
1.需求
构建一个神经网络，输入一个图像，神经网络分类是0还是1。
2.数字的像素
64个像素亮度值，255表示白色像素，0表示黑色像素。图像中呈现数字1。
3.构建神经网络
使用具有两个隐藏层的神经网络。第一个隐藏层有25个神经元或25个单元。第二个隐藏层有15个神经元或15个单元。最后输出层或输出单元，表示这个是1还是0的概率。
神经网络的计算过程
1.第一个隐藏层
- 作用：计算x向量到a[1]向量。
- g(z)激活函数中的输入向量x可以替换成a[0]。
- 本层的激活向量a[1]包含25个g(z)激活函数的计算结果，参数下标从1到25。
- 本层为第一层，因此参数上标都是1。
2.第二个隐藏层
- 作用：计算a[1]向量向量到a[2]向量。
- g(z)激活函数的输入x替换成第1层的激活向量a[1]。
- 本层的激活向量a[2]包含15个g(z)激活函数的计算结果，参数下标从1到15。
- 本层为第二层，因此参数上标都是1。
3.输出层
- 作用：计算a[2]向量向量到a[3]向量。
- g(z)激活函数的输入x替换成第2层的激活向量a[2]。
- 本层只有一个激活值，也只有一个神经元，参数下标只有1。
- 本层为第三层，因此参数上标都是2。
- 可以设定一个阈值来检测图像，如果预测结果大于等于0.5，即y=1，图像是1。如果预测结果小于0.5，即y=0，图像不是1。
- 可以用f(x)表示神经网络的输出。
4.什么是前向传播
前向传播表示神经网络中，用于从输入层到输出层传递数据并计算最终预测结果的过程。本案例是从左到右计算，x计算到a[1]到a[2]到最终输出a[3]，这个过程被称为前向传播。与之相反的是反向传播（下周讲）。
