模仿神经元：
x0称为偏差单位或者偏差神经元（bias unit or bias neuron），它总是等于1；
θ称为权重（weights）（其实就是之前的参数）
一个简单的神经网络:
Layer 1：也称为输入层（Input layer）
最后一层：称为输出层（output layer）
中间层：称为隐藏层（hidden layer）
神经网络各个激励函数的表示：
向量化计算：
从输入层激励向前传播给隐藏层并计算，然后继续传播，最后计算输出层的激励，也称为前向传播（forward propagation）
神经网络类似逻辑回归，只不过我们把输入的x1，x2，x3改成a1，a2，a3，而a1，a2，a3又是由输入的x1，x2，x3和一组Θ决定 。
