本周内容很大一部分与前一周内容重合，重复内容此处不再赘述，这里简单记录新的内容。
为什么使用深层神经网络
深度神经网络可以解决很多问题，其实并不需要很大的神经网络，但是需要有深度。深度的神经网络可以学习更复杂的函数。
Andrew Ng 在课程中列举了两个例子来解释为什么使用深层神经网络，有兴趣的同学可以参考。
参数与超参数
参数
$W^{[1]},b^{[1]},W^{[2]},b^{[2]},W^{[3]},b^{[3]}……$
超参数
超参数中的数值需要我们自己设置，而参数 W ，b 的数值将由这些超参数来决定,所以被称为超参数。
- 学习率
- 梯度下降法循环的次数
- 隐层数
- 隐层节点数
- 激活函数 ReLU 或 sigmoid
这与大脑有什么关系
深度学习和大脑有什么关联性呢？ Andrew Ng 认为关系不大。
有时会把深度学习中的神经元和生物中的神经元进行类比，但生物中的神经元到底是如何进行工作的，至今为止神经科学家们都很难解释。所以，目前人们在减少神经网络与人类大脑的对比。
