人工神经网络python代码
时间: 2023-07-22 09:59:14 浏览: 58
以下是一个简单的人工神经网络的 Python 代码示例:
```python
import numpy as np
# 定义激活函数
def sigmoid(x):
return 1 / (1 + np.exp(-x))
# 定义人工神经网络类
class NeuralNetwork:
def __init__(self, input_size, hidden_size, output_size):
# 初始化权重
self.W1 = np.random.randn(input_size, hidden_size)
self.W2 = np.random.randn(hidden_size, output_size)
def forward(self, X):
# 前向传播
self.z = np.dot(X, self.W1)
self.z2 = sigmoid(self.z)
self.z3 = np.dot(self.z2, self.W2)
output = sigmoid(self.z3)
return output
def backward(self, X, y, output, learning_rate):
# 反向传播
self.output_error = y - output
self.output_delta = self.output_error * sigmoid(output, derivative=True)
self.z2_error = self.output_delta.dot(self.W2.T)
self.z2_delta = self.z2_error * sigmoid(self.z2, derivative=True)
self.W1 += X.T.dot(self.z2_delta) * learning_rate
self.W2 += self.z2.T.dot(self.output_delta) * learning_rate
def train(self, X, y, learning_rate, epochs):
for i in range(epochs):
output = self.forward(X)
self.backward(X, y, output, learning_rate)
# 示例使用
X = np.array([[0,0,1],[0,1,1],[1,0,1],[1,1,1]])
y = np.array([[0],[1],[1],[0]])
nn = NeuralNetwork(3, 4, 1)
nn.train(X, y, learning_rate=0.1, epochs=10000)
print("预测结果:")
print(nn.forward(X))
```
这是一个简单的两层全连接神经网络的实现,使用了 sigmoid 作为激活函数,并通过反向传播算法进行权重调整。以上代码只是一个示例,具体的神经网络结构和参数设置可以根据实际需要进行调整。
相关推荐
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)