Overview of Neural Network
回顾第一周的neural network，第一个neural network是z，第二个是theta，上一个传入下一个。
拿单层神经网络来说，样本的值x1,x2...xn是input layer，是输入层；hidden layer是function layer，负责把input layer的值进行处理，然后传入output layer。传出来的值就是y-hat，相当于函数处理的值。
下面来推倒神经网络的计算过程：
前面说过两层神经网络可以看成逻辑回归再重复计算一次。
这是逻辑回归正向传播应该运行的计算，先计算z，后计算a；对于一个双层神经网络来说，一个node对应一次运算，那么从输入层到隐藏层有一次逻辑回归运算；从隐藏层到输出层还有一次。
对于输入层之后的隐藏层，我们用上标加方括号表示，[1]代表第一个隐藏层；下表代表这个节点的顺序；
那么，对于这个神经网络来说：
这里面，四个node代表四个逻辑回归的计算（sigmoid），因为layer是从0开始的，所以input layer是a[0]；X = [ x1,x2,x3].T；
hidden layer是a[1]；y-hat layer 是 a[2]；那么；
注意，在第二层时，W和b的维度就和layer 1不同了；并且引入了verctorization加快计算；
Vectorizing across multiple examples
对于有很多的样本来说，z[1](i)代表，第一个隐藏层的第i个样本；那么，X是（n，m）的维度；W^[1]的维度是（1，n）的矩阵；b的维度是（1，m）；那么，z的维度是（4，m）；A也是；4代表神经元个数，也相当于神经元特征；那么，行代表神经元个数；列代表样本个数。这样，就能向量化很多的样本。
Activation functions
神经网络隐藏层和输出层都需要激活函数（activation function），在之前的课程中我们都默认使用Sigmoid函数σ(x)作为激活函数。其实，还有其它激活函数可供使用，不同的激活函数有各自的优点。
从图上可以清楚地看到，每个激活函数(activation function)的取值范围和斜率。首先，sigmoid函数来说，取值范围是（0，1），斜率是两边小，中间大；优点，该函数在最后一个神经元可以做激活函数，因为最后一个神经元是输出标签{0，1}，道理不言而喻吧；对于隐藏层的激活函数，一般来说，tanh函数要比sigmoid函数表现更好一些。因为tanh函数的取值范围在[-1,+1]之间，隐藏层的输出被限定在[-1,+1]之间，可以看成是在0值附近分布，均值为0。这样从隐藏层到输出层，数据起到了归一化（均值为0）的效果。
ReLU函数在z大于零时梯度始终为1；在z小于零时梯度始终为0；z等于零时的梯度可以当成1也可以当成0，实际应用中并不影响。对于隐藏层，选择ReLU作为激活函数能够保证z大于零时梯度始终为1，从而提高神经网络梯度下降算法运算速度。但当z小于零时，存在梯度为0的缺点，实际应用中，这个缺点影响不是很大。
为了弥补这个缺点，出现了Leaky ReLU激活函数，能够保证z小于零是梯度不为0。
Why do you need non-linear activation functions
我们为什么需要非线性的激活函数？因为如果都是线性函数，那么第一个隐藏层计算完后，结果仍然是线性的，和有没有隐藏层一样。但是如果模型是做一个回归模型，也就是预测值，那么在输出层可以是线性模型，因为需要输出一个连续值。
Derivatives of activation functions
在计算神经网络反向传播的过程时，肯定是需要计算激活函数的倒数的，（回想一下，前面的数的倒数就是后面倒数的乘积），那么，肯定首先要了解每个函数的导数的求导嘛~
Gradient descent for neural networks
反向传播是计算导数（梯度）的过程，这里列出了正向传播和反向传播的比较，可以看到：
正向传播是计算loss function的，反向传播是计算梯度下降的，因为你要分别计算w和b的变化，所以需要知道他们的导数。
Random Initialization
神经网络模型中的参数权重W是不能全部初始化为零的，为什么呢？
因为全部初始化为0，