bp神经网络python实例

下面是一个简单的 Python 实现 BP 神经网络的例子：

import numpy as np

class BPNeuralNetwork:
    def __init__(self, input_size, hidden_size, output_size):
        self.input_size = input_size
        self.hidden_size = hidden_size
        self.output_size = output_size
        self.hidden_weights = np.random.randn(self.hidden_size, self.input_size)
        self.output_weights = np.random.randn(self.output_size, self.hidden_size)

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

    def sigmoid_derivative(self, x):
        return x * (1 - x)

    def feedforward(self, inputs):
        hidden_inputs = np.dot(self.hidden_weights, inputs)
        hidden_outputs = self.sigmoid(hidden_inputs)
        output_inputs = np.dot(self.output_weights, hidden_outputs)
        output_outputs = self.sigmoid(output_inputs)
        return hidden_outputs, output_outputs

    def train(self, inputs, targets, learning_rate, epochs):
        for i in range(epochs):
            hidden_outputs, output_outputs = self.feedforward(inputs)
            output_errors = targets - output_outputs
            output_delta = output_errors * self.sigmoid_derivative(output_outputs)
            hidden_errors = np.dot(self.output_weights.T, output_delta)
            hidden_delta = hidden_errors * self.sigmoid_derivative(hidden_outputs)

            self.output_weights += learning_rate * np.outer(output_delta, hidden_outputs)
            self.hidden_weights += learning_rate * np.outer(hidden_delta, inputs)

    def predict(self, inputs):
        _, output = self.feedforward(inputs)
        return output

这个类实现了一个简单的 BP 神经网络，包括前向传播、反向传播和预测功能。在初始化时，我们需要指定输入层、隐藏层和输出层的大小。在训练时，我们需要提供训练数据和目标数据，以及学习率和迭代次数。在预测时，我们只需要提供输入数据即可得到输出结果。