这里通过一个详细的例子,来说明神经网络是怎样计算复杂非线性函数的输入的,进而弄明白为什么神经网络可以用来学习复杂的非线性假设模型。 例子: 这里有x_1和x_2两个输入特征,它们都是二进制的,所以x_1和x_2只可能是0或1。 在这个例子中,只画了2个正样本和2个负样本,但你可以把它看作是复杂的机器学习问题的一个简化版本,本来我们可能在右上方和左下方有许多个正样本,还有许多用圆圈表示的负样本: 我们想做的是学习一个非线性的判断边界,来区分这些正样本和负样本,那么神经网络要如何做到这点呢?(采用第一个简单的例子,更容易说明问题) 具体来说,我们需要计算目标函数: 在这个例子中,用XNOR