帮我用python的代码写一段神经网络

好的，我可以帮您写一段神经网络的Python代码。以下是一个简单的示例：

import numpy as np

# 定义激活函数sigmoid
def sigmoid(x):
    return 1 / (1 + np.exp(-x))

# 定义神经网络类
class NeuralNetwork:
    def __init__(self, input_dim, hidden_dim, output_dim):
        self.weights1 = np.random.randn(input_dim, hidden_dim)
        self.weights2 = np.random.randn(hidden_dim, output_dim)

    # 前向传播
    def forward(self, X):
        self.z2 = np.dot(X, self.weights1)
        self.a2 = sigmoid(self.z2)
        self.z3 = np.dot(self.a2, self.weights2)
        y = sigmoid(self.z3)
        return y

# 构造模拟数据
X = np.array([ [0,0,1], [0,1,1], [1,0,1], [1,1,1] ])
y = np.array([ [0], [1], [1], [0] ])

# 定义神经网络，输入层3个节点，隐层4个节点，输出层1个节点
nn = NeuralNetwork(3, 4, 1)

# 训练神经网络
learning_rate = 0.5
for i in range(10000):
    y_pred = nn.forward(X)
    error = y - y_pred
    delta3 = error * sigmoid(y_pred, derivative=True)
    delta2 = np.dot(delta3, nn.weights2.T) * sigmoid(nn.z2, derivative=True)
    nn.weights2 += learning_rate * np.dot(nn.a2.T, delta3)
    nn.weights1 += learning_rate * np.dot(X.T, delta2)

# 测试神经网络
test_input = np.array([1,1,0])
test_output = nn.forward(test_input)
print(test_output)

这是一个简单的两层神经网络，使用sigmoid作为激活函数，支持前向传播和反向传播，可以用于二分类问题。您可以根据自己的需求进行修改和扩展。注意，这只是一个简单的示例，实际中需要根据具体问题进行调整。