用python写一个神经网络

好的，以下是一个简单的三层神经网络的Python代码示例：

import numpy as np

# 输入层
X = np.array([[0,0,1],[0,1,1],[1,0,1],[1,1,1]])

# 输出层
y = np.array([[0],[1],[1],[0]])

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

# 初始化权重
theta1 = 2 * np.random.random((3,4)) - 1
theta2 = 2 * np.random.random((4,1)) - 1

# 训练模型
for i in range(60000):

    # 前向传播
    a1 = X
    z2 = np.dot(a1, theta1)
    a2 = sigmoid(z2)
    z3 = np.dot(a2, theta2)
    y_pred = sigmoid(z3)

    # 计算误差
    error = y - y_pred
    
    # 反向传播
    delta3 = error * sigmoid(z3) * (1 - sigmoid(z3))
    delta2 = delta3.dot(theta2.T) * sigmoid(z2) * (1 - sigmoid(z2))

    # 更新权重
    theta2 += a2.T.dot(delta3)
    theta1 += a1.T.dot(delta2)

# 测试模型
a1 = X
z2 = np.dot(a1, theta1)
a2 = sigmoid(z2)
z3 = np.dot(a2, theta2)
y_pred = sigmoid(z3)

print(y_pred)

这段代码实现了一个三层神经网络，其中包含一个输入层、一个隐藏层和一个输出层，使用sigmoid函数作为激活函数。我们通过随机初始化权重，然后使用反向传播算法来更新权重，从而训练模型。最后，我们使用训练好的模型来预测输出。