用python写一个神经网络算法

以下是一个简单的神经网络算法实现：

1.导入所需的库

import numpy as np

2.定义sigmoid函数

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

3.定义神经网络类

class NeuralNetwork:
    def __init__(self, x, y):
        self.input = x
        self.weights1 = np.random.rand(self.input.shape[1],4) 
        self.weights2 = np.random.rand(4,1)                 
        self.y = y
        self.output = np.zeros(self.y.shape)

    def feedforward(self):
        self.layer1 = sigmoid(np.dot(self.input, self.weights1))
        self.output = sigmoid(np.dot(self.layer1, self.weights2))

    def backprop(self):
        d_weights2 = np.dot(self.layer1.T, (2*(self.y - self.output) * sigmoid_derivative(self.output)))
        d_weights1 = np.dot(self.input.T,  (np.dot(2*(self.y - self.output) * sigmoid_derivative(self.output), self.weights2.T) * sigmoid_derivative(self.layer1)))

        self.weights1 += d_weights1
        self.weights2 += d_weights2

4.训练神经网络

X = np.array([[0,0,1],[0,1,1],[1,0,1],[1,1,1]])
y = np.array([[0],[1],[1],[0]])
nn = NeuralNetwork(X,y)

for i in range(1500):
    nn.feedforward()
    nn.backprop()

print(nn.output)

这个神经网络算法使用了一个输入层、一个隐层和一个输出层，其中隐层有4个神经元。在训练过程中，我们使用反向传播算法来更新神经网络的权重。最终输出的结果是一个4x1的矩阵，表示对应每个输入的预测结果。