bp神经网络预测python源代码

以下是一个使用BP神经网络进行预测的Python示例代码：

import numpy as np

# 构造训练数据
train_data = np.array([[0, 0], [0, 1], [1, 0], [1, 1]])
train_label = np.array([[0], [1], [1], [0]])

# 定义BP神经网络
class BPNeuralNetwork():
    def __init__(self, input_size, hidden_size, output_size, learning_rate):
        self.input_size = input_size
        self.hidden_size = hidden_size
        self.output_size = output_size
        self.learning_rate = learning_rate

        # 初始化权重
        self.weights_input_hidden = np.random.randn(self.input_size, self.hidden_size)
        self.weights_hidden_output = np.random.randn(self.hidden_size, self.output_size)

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

    # sigmoid函数的导数
    def sigmoid_derivative(self, x):
        return x * (1 - x)

    # 训练网络
    def train(self, data, label):
        for i in range(len(data)):
            # 前向传播
            hidden = self.sigmoid(np.dot(data[i], self.weights_input_hidden))
            output = self.sigmoid(np.dot(hidden, self.weights_hidden_output))

            # 反向传播
            output_error = label[i] - output
            output_delta = output_error * self.sigmoid_derivative(output)

            hidden_error = np.dot(output_delta, self.weights_hidden_output.T)
            hidden_delta = hidden_error * self.sigmoid_derivative(hidden)

            # 更新权重
            self.weights_hidden_output += self.learning_rate * hidden.reshape(-1, 1) * output_delta
            self.weights_input_hidden += self.learning_rate * data[i].reshape(-1, 1) * hidden_delta

    # 预测
    def predict(self, data):
        hidden = self.sigmoid(np.dot(data, self.weights_input_hidden))
        output = self.sigmoid(np.dot(hidden, self.weights_hidden_output))
        return output

# 构造BP神经网络
bp_nn = BPNeuralNetwork(2, 4, 1, 0.1)

# 训练BP神经网络
for i in range(10000):
    bp_nn.train(train_data, train_label)

# 预测
print(bp_nn.predict(np.array([0, 0])))
print(bp_nn.predict(np.array([0, 1])))
print(bp_nn.predict(np.array([1, 0])))
print(bp_nn.predict(np.array([1, 1])))

该示例代码使用BP神经网络来预测XOR运算的结果。代码中首先构造了训练数据和标签，然后定义了一个BPNeuralNetwork类，该类包含了sigmoid函数、sigmoid函数的导数、训练和预测方法。在训练方法中，使用前向传播计算输出值，使用反向传播计算误差并更新权重。在预测方法中，使用前向传播计算输出值。最后，对训练好的BP神经网络进行预测并输出结果。