前面我们学习了线性回归算法，Logistic算法，这些算法都是处理特征量较少的情况。当特征量达到上万，神经网络算法就具有明显的优势。
下面简单了解一下模型及相关术语
接受输入x0，x1，x2，x3，通过h(x)计算输出结果。其中x0是偏置神经元或偏置单元，恒为1。
若h(x)是sigmoid函数，我们称该神经元为带有sigmoid激活函数的人工神经元。
K称为权重或参数。
神经网络其实就是一组神经元。
L1为输入层，L2为隐藏层，L3为输出层，隐藏层可以有多层！事实上，除了输入层和输出层就被称为隐藏层。
我们将称为第j层的第i个激活项。
激活项：由一个具体神经元计算并输出的值。
如果一个网络在第j层有sj个单元，在第j+1层有s(j+1)个单元，则控制第j层到第j+1层映射的矩阵的维度为s(j+1) 行，(sj +1）列。
BY ZJQ