【听说你还不会？】多层神经网络原理详细推导1 结构2 正向过程3 loss4 反向传播
1 结构第0层是输入层，输入为X，维度为(n[0],m)(n^{[0]},m)(n[0],m)，其中n[0]n^{[0]}n[0]表示第0层含有的节点，也是X的特征数。mmm表示样本数。以此类推，第1层的节点数n[1]n^{[1]}n[1]，第2层的节点数n[2]n^{[2]}n[2]，…，第L层的节点数n[L]n^{[L]}n[L]。2 正向过程第0层输入层数据XXX，维度(n[0],m)(n^{[0]},m)(n[0],m)。n[0]n^{[0]}n[0]表示第0层含有的节点，也是X的特征数
