Red neuronal con Octave

Esta es una tarea del curso Machine Learning, ofrecido por Stanford via Coursera.

Una de las aplicaciones de las redes neuronales es en la formulación de hipótesis no lineales.

Esta es una red neuronal prealimentada, donde la información sigue una sola dirección: hacia adelante.

La hipótesis $h_\theta$ está dada por:

h_\theta(x) = a^{(3)} = g(z^{(3)})

donde

z^{(3)} = \Theta^{(2)}a^{(2)}

a^{(2)} = g(z^{(2)}) = g(\Theta^{(1)} a^{(1)})

y dado que $a^{(1)} = X$ , siendo $X$ el vector de entradas, con $x_0 = 1$ , la hipótesis resulta en:

h_\theta(x) = g (\Theta^{(2)} g(\Theta^{(1)} X))