python 多层感知机 异或

多层感知机（MLP）是一种人工神经网络，由多个感知机层组成。每个层都与下一个层相连，其中第一个层被称为输入层，最后一个层被称为输出层，中间的层被称为隐藏层。多层感知机可以用于解决非线性问题，如异或门问题。

在Python中，可以使用各种深度学习框架（如TensorFlow、Keras、PyTorch等）来实现多层感知机。下面是一个使用Keras实现异或门的例子：

from keras.models import Sequential
from keras.layers.core import Dense, Activation

# 创建一个Sequential模型
model = Sequential()

# 添加输入层和第一个隐藏层
model.add(Dense(input_dim=2, output_dim=2))
model.add(Activation('sigmoid'))

# 添加第二个隐藏层和输出层
model.add(Dense(output_dim=1))
model.add(Activation('sigmoid'))

# 编译模型
model.compile(loss='binary_crossentropy', optimizer='sgd')

# 训练模型
X = [[0, 0], [0, 1], [1, 0], [1, 1]]
Y = [[0], [1], [1], [0]]
model.fit(X, Y, nb_epoch=1000, verbose=0)

# 预测结果
print(model.predict_proba(X))

在上面的代码中，我们使用Keras创建了一个包含两个隐藏层的多层感知机，其中每个隐藏层都有两个神经元。我们使用sigmoid激活函数来激活每个神经元，并使用二元交叉熵作为损失函数和随机梯度下降作为优化器。我们使用XOR数据集来训练模型，并在1000个epoch后进行预测。