python 神经网络 示例

好的，我可以为您提供一些 Python 神经网络的示例代码。以下是一个简单的 Python 神经网络示例程序：

import numpy as np

# 定义一个神经网络类
class NeuralNetwork(object):
    def __init__(self, input_nodes, hidden_nodes, output_nodes, learning_rate):
        # 初始化神经网络结构及参数
        self.input_nodes = input_nodes  # 输入层节点数
        self.hidden_nodes = hidden_nodes  # 隐含层节点数
        self.output_nodes = output_nodes  # 输出层节点数
        self.lr = learning_rate   # 学习率

        self.w_ih = np.random.normal(0.0, pow(self.hidden_nodes, -0.5), (self.hidden_nodes, self.input_nodes))  # 输入层到隐含层的权重矩阵
        self.w_ho = np.random.normal(0.0, pow(self.output_nodes, -0.5), (self.output_nodes, self.hidden_nodes))  # 隐含层到输出层的权重矩阵

        self.activation_function = lambda x: 1 / (1 + np.exp(-x))

    def train(self, inputs_list, targets_list):
        # 前向传播
        inputs = np.array(inputs_list, ndmin=2).T
        targets = np.array(targets_list, ndmin=2).T

        hidden_inputs = np.dot(self.w_ih, inputs)
        hidden_outputs = self.activation_function(hidden_inputs)

        final_inputs = np.dot(self.w_ho, hidden_outputs)
        final_outputs = self.activation_function(final_inputs)

        # 反向传播
        output_errors = targets - final_outputs
        hidden_errors = np.dot(self.w_ho.T, output_errors) * hidden_outputs * (1 - hidden_outputs)

        self.w_ho += self.lr * np.dot(output_errors * final_outputs * (1 - final_outputs), np.transpose(hidden_outputs))
        self.w_ih += self.lr * np.dot(hidden_errors, np.transpose(inputs))

    def predict(self, inputs_list):
        # 预测
        inputs = np.array(inputs_list, ndmin=2).T

        hidden_inputs = np.dot(self.w_ih, inputs)
        hidden_outputs = self.activation_function(hidden_inputs)

        final_inputs = np.dot(self.w_ho, hidden_outputs)
        final_outputs = self.activation_function(final_inputs)

        return final_outputs

# 测试神经网络
nn = NeuralNetwork(2, 2, 1, 0.1)
inputs_list = [[0, 0], [0, 1], [1, 0], [1, 1]]
targets_list = [[0], [1], [1], [0]]

for i in range(10000):
    for inputs, targets in zip(inputs_list, targets_list):
        nn.train(inputs, targets)

print(nn.predict([0, 0]))
print(nn.predict([0, 1]))
print(nn.predict([1, 0]))
print(nn.predict([1, 1]))

这里使用了一个简单的神经网络，实现了逻辑 "异或" 的功能。您可以参考代码的框架和思路，自己定义神经网络结构及训练集，来完成您自己的神经网络任务。