帮我写一个神经网络的简单代码

当然可以，以下是一个简单的神经网络的代码：

import numpy as np

# 定义 sigmoid 函数
def sigmoid(x):
    return 1 / (1 + np.exp(-x))

# 定义神经网络类
class NeuralNetwork:
    def __init__(self, input_nodes, hidden_nodes, output_nodes):
        # 初始化权重
        self.weights_input_hidden = np.random.normal(0.0, pow(input_nodes, -0.5), (input_nodes, hidden_nodes))
        self.weights_hidden_output = np.random.normal(0.0, pow(hidden_nodes, -0.5), (hidden_nodes, output_nodes))
        
    def train(self, inputs_list, targets_list):
        # 将输入和目标转换为二维数组
        inputs = np.array(inputs_list, ndmin=2).T
        targets = np.array(targets_list, ndmin=2).T
        
        # 前向传播
        hidden_inputs = np.dot(self.weights_input_hidden.T, inputs)
        hidden_outputs = sigmoid(hidden_inputs)
        final_inputs = np.dot(self.weights_hidden_output.T, hidden_outputs)
        final_outputs = sigmoid(final_inputs)
        
        # 计算误差
        output_errors = targets - final_outputs
        hidden_errors = np.dot(self.weights_hidden_output, output_errors)
        
        # 反向传播
        self.weights_hidden_output += 0.1 * np.dot(hidden_outputs, output_errors.T)
        self.weights_input_hidden += 0.1 * np.dot(hidden_errors * hidden_outputs * (1 - hidden_outputs), inputs.T)
        
    def query(self, inputs_list):
        # 将输入转换为二维数组
        inputs = np.array(inputs_list, ndmin=2).T
        
        # 前向传播
        hidden_inputs = np.dot(self.weights_input_hidden.T, inputs)
        hidden_outputs = sigmoid(hidden_inputs)
        final_inputs = np.dot(self.weights_hidden_output.T, hidden_outputs)
        final_outputs = sigmoid(final_inputs)
        
        return final_outputs

这是一个简单的三层神经网络，包括一个输入层、一个隐藏层和一个输出层。你可以通过调用 `NeuralNetwork` 类的 `train` 方法来训练神经网络，通过调用 `query` 方法来查询神经网络的输出。