neural network

嗨，从没放弃的小努力你好：

1. W113*X3，这是一种通用写法，按照讲义里面那张图，W113 = 0.
2. 因为第二层过后只有一个输出y，所以H到y的过程中，每一个H只有一个系数。假如后面有两个输出：y1和y2，那么就是：

y1 = φ(w211 * H1 + w221 * H2 + w231 * H3 + w4)

y2 = φ(w212 * H1 + w222 * H2 + w232 * H3 + w4)

----------------------------------------------
努力的时光都是限量版，加油！

嗨，爱思考的PZer你好：

w 1234指的是每一个模型里面的截距项。比如初中学过的y = k*x + b直线方程，b就是这里的w1 2 3 4.

而其他的w表示每一个x在每一层相应的H里面的权重。

比如讲义里写的w111：第一个数字1代表第一层hidden，第二个数字1代表当前层级的第一个数（就是H1），第三个数字1代表x1.

所以w111的意思是第一层Hidden里面H1的第一个元素x1的权重。

以此类推，讲义里写的w122：第一个数字1代表第一层hidden，第二个数字2代表H2，第三个数字2代表x2.

这种写法是为了和原版书教材保持一致。

第二条红线，w211：第一个数字2代表第二层（第一层是H1 H2和H3，第二层直接就是ouput y了），第二个数字1代表H1，第三个数字1表示H1的第一个系数（因为第二层的每一个H到y这个过程中，每一个H只有一个系数，所以211,221,231最后都是1）.

如果中间再加一个Hidden 2，那么前面Hidden1里面的H1到H3就可以看做是新的x1到x3：

Hidden2:

H1' = φ(w211*H1 + w212 * H2 + w213*H3 + w4)，

H2' = φ(w221*H1 + w222 * H2 + w223*H3 + w5)，

H3' = φ(w231*H1 + w232 * H2 + w233*H3 + w6)，

最后y = φ(w311 * H1' + w321 * H2‘ + w331 * H3' + w7)

----------------------------------------------
加油吧，让我们一起遇见更好的自己！