写一段关于ANN的代码

这里有一个简单的例子，展示了如何使用Python的`Keras`库来创建一个基本的多层感知器（MLP）神经网络用于识别MNIST手写数字[^1]：

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

# 加载MNIST数据集
(x_train, y_train), (x_test, y_test) = mnist.load_data()

# 数据预处理
x_train = x_train.reshape(60000, 784)
x_test = x_test.reshape(10000, 784)
x_train = x_train.astype('float32') / 255
x_test = x_test.astype('float32') / 255
y_train = keras.utils.to_categorical(y_train, 10)
y_test = keras.utils.to_categorical(y_test, 10)

# 创建模型
model = Sequential()
model.add(Dense(512, activation='relu', input_shape=(784,)))
model.add(Dense(10, activation='softmax'))

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

# 训练模型
model.fit(x_train, y_train,
          epochs=5,
          batch_size=128,
          validation_data=(x_test, y_test))

# 评估模型性能
score = model.evaluate(x_test, y_test, verbose=0)
print('Test loss:', score[0])
print('Test accuracy:', score[1])

这个代码首先加载MNIST数据集，然后定义了一个有两个隐藏层的简单神经网络结构，使用ReLU激活函数和Softmax输出层。接着，它编译模型，设置优化器和损失函数，然后进行训练并最终评估模型的性能。