BP 神经网络的代码

以下是一个简单的基于Python的BP神经网络的代码示例：

import numpy as np

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

# 定义BP神经网络类
class NeuralNetwork:
    def __init__(self, input_size, hidden_size, output_size):
        self.input_size = input_size
        self.hidden_size = hidden_size
        self.output_size = output_size
        
        # 初始化权重
        self.W1 = np.random.randn(self.input_size, self.hidden_size)
        self.W2 = np.random.randn(self.hidden_size, self.output_size)
        
    def forward(self, X):
        # 前向传播
        self.z = np.dot(X, self.W1)
        self.z2 = sigmoid(self.z)
        self.z3 = np.dot(self.z2, self.W2)
        output = sigmoid(self.z3)
        return output
    
    def backward(self, X, y, output, learning_rate):
        # 反向传播
        self.output_error = y - output
        self.output_delta = self.output_error * sigmoid(output, derivative=True)
        
        self.z2_error = self.output_delta.dot(self.W2.T)
        self.z2_delta = self.z2_error * sigmoid(self.z2, derivative=True)
        
        self.W1 += X.T.dot(self.z2_delta) * learning_rate
        self.W2 += self.z2.T.dot(self.output_delta) * learning_rate
        
    def train(self, X, y, epochs, learning_rate):
        for i in range(epochs):
            output = self.forward(X)
            self.backward(X, y, output, learning_rate)
            
    def predict(self, X):
        return self.forward(X)

# 创建一个示例数据集
X = np.array([[0, 0], [0, 1], [1, 0], [1, 1]])
y = np.array([[0], [1], [1], [0]])

# 创建一个BP神经网络实例
nn = NeuralNetwork(input_size=2, hidden_size=3, output_size=1)

# 训练神经网络
nn.train(X, y, epochs=10000, learning_rate=0.1)

# 预测新的数据
new_data = np.array([[0, 0], [0, 1], [1, 0], [1, 1]])
predictions = nn.predict(new_data)
print(predictions)

这段代码实现了一个简单的BP神经网络，用于解决XOR逻辑门问题。神经网络有2个输入节点，3个隐藏节点和1个输出节点。通过训练神经网络，可以预测新的数据的输出。