bp神经网络python代码 多元

BP神经网络是一种常见的人工神经网络，可以用来解决分类和回归问题。Python中有很多第三方库可以用来实现BP神经网络，比如TensorFlow、Keras等。

以下是一个使用Python实现BP神经网络的简单示例代码：

import numpy as np

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

# 定义BP神经网络类
class BPNeuralNetwork:
    def __init__(self, input_dim, hidden_dim, output_dim):
        self.input_dim = input_dim  # 输入层维度
        self.hidden_dim = hidden_dim  # 隐藏层维度
        self.output_dim = output_dim  # 输出层维度
        
        # 随机初始化权重
        self.weights1 = np.random.randn(self.input_dim, self.hidden_dim)
        self.weights2 = np.random.randn(self.hidden_dim, self.output_dim)
        
    # 前向传播
    def forward(self, X):
        # 输入层到隐藏层
        self.z1 = np.dot(X, self.weights1)
        self.a1 = sigmoid(self.z1)
        
        # 隐藏层到输出层
        self.z2 = np.dot(self.a1, self.weights2)
        self.y_hat = sigmoid(self.z2)
        
        return self.y_hat
    
    # 反向传播
    def backward(self, X, y, y_hat, learning_rate):
        # 计算输出层误差
        delta2 = (y_hat - y) * y_hat * (1 - y_hat)
        
        # 计算隐藏层误差
        delta1 = np.dot(delta2, self.weights2.T) * self.a1 * (1 - self.a1)
        
        # 更新权重
        self.weights2 -= learning_rate * np.dot(self.a1.T, delta2)
        self.weights1 -= learning_rate * np.dot(X.T, delta1)
    
    # 训练模型
    def train(self, X, y, epochs, learning_rate):
        for i in range(epochs):
            y_hat = self.forward(X)
            self.backward(X, y, y_hat, learning_rate)
            
    # 预测
    def predict(self, X):
        y_hat = self.forward(X)
        return np.round(y_hat)

使用示例：

# 准备数据
X = np.array([[0, 0], [0, 1], [1, 0], [1, 1]])
y = np.array([, , , ])

# 创建BP神经网络模型，输入层维度为2，隐藏层维度为4，输出层维度为1
model = BPNeuralNetwork(2, 4, 1)

# 训练模型，学习率为0.1，训练10000次
model.train(X, y, epochs=10000, learning_rate=0.1)

# 预测
y_pred = model.predict(X)
print(y_pred)