打卡（1）

4.1 深層神經網路

* 符號約定：輸入層X=a[0],預測值ŷ =a[L]$X=a^{[0]},預測值\hat{y}=a^{[L]}$

打卡（2）

4.2 深層網路中前向傳播

單個樣本：
X=a[0]$X=a^{[0]}$
Z[1]=W[1]a[0]+b[1]$Z^{[1]}=W^{[1]}{a}^{[0]}+b^{[1]}$
a[1]=g[1](Z[1])$a^{[1]}=g^{[1]}(Z^{[1]})$ 第一層
Z[2]=W[2]a[1]+b[2]$Z^{[2]}=W^{[2]}{a}^{[1]}+b^{[2]}$
a[2]=g[2]Z[2]$a^{[2]}=g^{[2]}{Z}^{[2]}$ 第二層
…..
Z[4]=W[4]a[3]+b[4]$Z^{[4]}=W^{[4]}{a}^{[3]}+b^{[4]}$

a[4]=g[4]Z[4]=ŷ 第四層$a^{[4]}=g^{[4]}{Z}^{[4]}=\hat{y}第四層$

Z[l]=W[l]a[l−1]+b[l]$Z^{[l]}=W^{[l]}{a}^{[l-1]}+b^{[l]}$
a[l]=g[l]Z[l]$a^{[l]}=g^{[l]}{Z}^{[l]}$
所有樣本：
Z[1]=W[1]A[0]+b[1]$Z^{[1]}=W^{[1]}{A}^{[0]}+b^{[1]}$
A[1]=g[1](Z[1])$A^{[1]}=g^{[1]}(Z^{[1]})$ 第一層