神经网络算法python程序

以下是一个简单的神经网络算法的 Python 程序示例：

# 导入所需的库
import numpy as np
 
# 定义 sigmoid 函数
def sigmoid(x):
    return 1 / (1 + np.exp(-x))
 
# 定义神经网络类
class NeuralNetwork:
    def __init__(self, num_inputs, num_hidden, num_output):
        # 初始化权重
        self.weights_hidden = np.random.normal(scale=1 / num_inputs**0.5, size=(num_inputs, num_hidden))
        self.weights_output = np.random.normal(scale=1 / num_hidden**0.5, size=(num_hidden, num_output))
 
    def forward(self, inputs):
        # 计算隐藏层输入
        hidden_inputs = np.dot(inputs, self.weights_hidden)
        # 计算隐藏层输出
        hidden_outputs = sigmoid(hidden_inputs)
        # 计算输出层输入
        output_inputs = np.dot(hidden_outputs, self.weights_output)
        # 计算输出层输出
        output_outputs = sigmoid(output_inputs)
        return output_outputs
 
# 创建神经网络实例
nn = NeuralNetwork(2, 3, 1)
 
# 定义输入
inputs = np.array([0.5, -0.2])
 
# 进行前向传播
output = nn.forward(inputs)
 
# 输出结果
print(output)

这个程序实现了一个简单的神经网络，并使用 sigmoid 函数作为激活函数。在程序中，我们首先定义了 sigmoid 函数，然后定义了一个神经网络类，它包含一个初始化函数和一个前向传播函数。在初始化函数中，我们随机初始化了神经网络的权重。在前向传播函数中，我们计算了隐藏层和输出层的输入和输出，并最终返回输出层的输出。在代码末尾，我们创建了一个神经网络实例，并对其进行了前向传播，输出了结果。