模仿神經(jīng)元：

x₀稱為偏差單位或者偏差神經(jīng)元（bias unit or bias neuron），它總是等于1；
θ稱為權(quán)重（weights）（其實(shí)就是之前的參數(shù)）

一個簡單的神經(jīng)網(wǎng)絡(luò):

Layer 1：也稱為輸入層（Input layer）
最后一層：稱為輸出層（output layer）
中間層：稱為隱藏層（hidden layer）

神經(jīng)網(wǎng)絡(luò)各個激勵函數(shù)的表示：

向量化計(jì)算：

從輸入層激勵向前傳播給隱藏層并計(jì)算，然后繼續(xù)傳播，最后計(jì)算輸出層的激勵，也稱為前向傳播（forward propagation）

神經(jīng)網(wǎng)絡(luò)類似邏輯回歸，只不過我們把輸入的x₁，x₂，x₃改成a₁，a₂，a₃，而a₁，a₂，a₃又是由輸入的x₁，x₂，x₃和一組Θ決定 。