bp神经网络python代码

以下是一个简单的 Python BP 神经网络实现：

import numpy as np

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 sigmoid(self, x):
        return 1/(1+np.exp(-x))
    
    def sigmoid_derivative(self, x):
        return x * (1-x)
    
    def feedforward(self):
        self.layer1 = self.sigmoid(np.dot(self.input, self.weights1))
        self.output = self.sigmoid(np.dot(self.layer1, self.weights2))
    
    def backprop(self):
        d_weights2 = np.dot(self.layer1.T, (2*(self.y - self.output) * self.sigmoid_derivative(self.output)))
        d_weights1 = np.dot(self.input.T,  (np.dot(2*(self.y - self.output) * self.sigmoid_derivative(self.output), self.weights2.T) * self.sigmoid_derivative(self.layer1)))
    
        self.weights1 += d_weights1
        self.weights2 += d_weights2
    
    def train(self, X, y):
        self.output = self.feedforward()
        self.backprop()

这个实现中包含一个神经网络类，它有一个输入层、一个隐层和一个输出层。在初始化过程中，我们随机初始化了两个权重矩阵。在前向传递过程中，我们使用 Sigmoid 函数作为激活函数。在后向传递过程中，我们计算了偏导数，并使用它们更新权重矩阵。最后，我们可以使用 train() 函数来训练我们的神经网络。