bpnn的python代码

BP神经网络是一种常见的人工神经网络，其主要用于监督学习任务。在Python中，有多种实现BP神经网络的库，其中比较常用的是numpy和pybrain。

以下是一个使用numpy实现的BP神经网络的简单代码示例：

import numpy as np

class NeuralNetwork:
    def __init__(self, input_size, hidden_size, output_size):
        self.weights1 = np.random.randn(input_size, hidden_size)
        self.weights2 = np.random.randn(hidden_size, output_size)

    def sigmoid(self, x):
        return 1 / (1 + np.exp(-x))

    def sigmoid_derivative(self, x):
        return x * (1 - x)

    def forward(self, X):
        self.hidden_layer = self.sigmoid(np.dot(X, self.weights1))
        self.output_layer = self.sigmoid(np.dot(self.hidden_layer, self.weights2))

    def backward(self, X, y, learning_rate):
        output_error = y - self.output_layer
        output_delta = output_error * self.sigmoid_derivative(self.output_layer)

        hidden_error = np.dot(output_delta, self.weights2.T)
        hidden_delta = hidden_error * self.sigmoid_derivative(self.hidden_layer)

        self.weights2 += learning_rate * np.dot(self.hidden_layer.T, output_delta)
        self.weights1 += learning_rate * np.dot(X.T, hidden_delta)

    def train(self, X, y, learning_rate=0.1, epochs=10000):
        for i in range(epochs):
            self.forward(X)
            self.backward(X, y, learning_rate)

    def predict(self, X):
        self.forward(X)
        return self.output_layer

在这个示例中，NeuralNetwork类初始化时接收输入层、隐藏层和输出层的大小，并随机初始化权重。sigmoid和sigmoid_derivative函数分别用于计算激活函数和激活函数的导数。forward函数实现前向传播，backward函数实现反向传播，train函数用于训练模型，predict函数用于进行预测。