吴恩达课程：深度神经网络（全连接网络）。

在体验完"浅层"神经网络之后,我们终于等到这门课程的核心内容——深度神经网络.

其实这节课并未增添太多新的知识内容,主要工作是将前一课中两层结构升级为L层结构.对于那些编程能力较强或已深入研究过我上节课相关内容的同学来说,经过学习后完全有能力完成本课程的学习任务.

课堂笔记

深度神经网络概述与符号标记

我们常说深度 神经网络（Deep Neural Networks），其实质就是指拥有较多隐藏层的神经网络模型。其本质上只是神经网络拥有较多的隐藏层这一特点而已，并未对其其他架构做出重大修改。为了更好地理解这一概念，请让我们回顾一下我们在前两节课中讨论过的神经网络标记。

L表示网络的层数。

在这个网络中，L=4。（注意：输入层并不计入层数，但可以用第“0”层称呼输入层）

上标的中括号标记为 $l (l \in