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？（