Update 09.4-神经网络非线性回归的实现.md (#776)

将：
均方差损失函数
改为：
均方误差损失函数
###################################################
为了修复图片不显示的问题
将：
|<img src="..\Images\5\setup.png"/>|<img src="./img/9/nn.png"/>|
改为：
|<img src="..\第2步%20-%20线性回归\img\5\setup.png"/>|<img src="./img/9/nn.png"/>|

基础教程/A2-神经网络基本原理/第4步 - 非线性回归/09.4-神经网络非线性回归的实现.md

@@ -182,7 +182,7 @@ $$
 
 #### 损失函数
 
-均方差损失函数：
+均方误差损失函数：
 
 $$loss(w,b) = \frac{1}{2} (z2-y)^2 \tag{4}$$
 
@@ -196,7 +196,7 @@ $$loss(w,b) = \frac{1}{2} (z2-y)^2 \tag{4}$$
 
 |第5章的神经网络|本章的神经网络|
 |---|---|
-|<img src="..\Images\5\setup.png"/>|<img src="./img/9/nn.png"/>|
+|<img src="..\第2步%20-%20线性回归\img\5\setup.png"/>|<img src="./img/9/nn.png"/>|
 
 本章使用了真正的“网络”，而第5章充其量只是一个神经元而已。再看本章的网络的右半部分，从隐层到输出层的结构，和第5章的神经元结构一摸一样，只是输入为3个特征，而第5章的输入为两个特征。比较正向计算公式的话，也可以得到相同的结论。这就意味着反向传播的公式应该也是一样的。