神经网络算法与Python（二）：矩阵的应用
参考
一、Python神经网络编程（Tariq Rashid著）
二、CSDN博客以及简书
矩阵与神经网络
在上一节，我们已经讨论了一个简单的神经网络的由来和构造。我们选择了S函数作为每一个神经元的行为函数（即该神经元的输入*S函数=输出）。
那么神经网络到底是如何工作的呢？我们可以从最简单的一个神经网络出发，如下图下图所示：
注意，该图中的神经元并未对输入输出进行S函数处理。
由图可知，即便是一个简单的2层的神经网络的运算都比较繁琐。因此矩阵可以被应用在计算中：X=WI（W是权重矩阵，I是输入矩阵，X是该层神经元对输入信号的处理结果）。倘若考虑神经元本身的行为函数即S函数的话，我们只需要令O=sigmoid(X)即可。
同理对于多层神经元，只需要建立每一层神经元的权重矩阵即可。无论是第三层，第一百层还是一千层均一视同仁。