写一个输入节点数为16，第一个隐藏层节点数为100，第二个隐藏层节点数为100，第三个隐藏层节点数为50，输出层节点数为5的神经网络

以下是一个使用Keras框架实现的神经网络：

from keras.models import Sequential
from keras.layers import Dense

model = Sequential()

# 添加第一个隐藏层，输入节点数为16，输出节点数为100
model.add(Dense(units=100, input_dim=16, activation='relu'))

# 添加第二个隐藏层，输出节点数为100
model.add(Dense(units=100, activation='relu'))

# 添加第三个隐藏层，输出节点数为50
model.add(Dense(units=50, activation='relu'))

# 添加输出层，输出节点数为5
model.add(Dense(units=5, activation='softmax'))

# 编译模型
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

其中，`Dense` 层表示全连接层，`units` 参数表示该层的节点数，`input_dim` 参数表示输入数据的维度，`activation` 参数表示激活函数。

最后，我们使用 `compile` 方法对模型进行编译，指定损失函数、优化器和评估指标。