人工神经网络算法代码

人工神经网络（Artificial Neural Networks, 简称ANN）是一种计算模型，它受生物神经系统启发，由大量相互连接的节点（称为神经元）组成，用于解决各种复杂的机器学习任务，如分类、回归和聚类等。编写ANN的代码通常涉及到深度学习库，比如Python中的TensorFlow或PyTorch。

以下是一个简单的使用Python和Keras库搭建一个多层感知机（Multilayer Perceptron, MLP）的示例：

import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense

# 创建一个Sequential模型
model = Sequential()

# 添加输入层，隐藏层和输出层
model.add(Dense(units=64, activation='relu', input_dim=input_shape))  # 隐藏层
model.add(Dense(units=32, activation='relu'))  # 可能还有更多的隐藏层
model.add(Dense(units=num_classes, activation='softmax'))  # 输出层（对于分类问题）

# 编译模型，指定损失函数、优化器和评估指标
model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])

# 使用训练数据拟合模型
model.fit(X_train, y_train, epochs=epochs, batch_size=batch_size, validation_data=(X_test, y_test))

# 保存模型
model.save('my_model.h5')

在这个例子中，`input_shape`是输入数据的维度，`num_classes`是类别数，`epochs`是训练轮次，`batch_size`是批次大小。每个`Dense`层代表神经网络中的一个权重矩阵，激活函数决定了神经元如何处理输入。