循环神经网络python代码

好的，以下是一个简单的循环神经网络的 Python 代码示例：

import numpy as np

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

# 定义循环神经网络类
class RNN:
    def __init__(self, input_size, hidden_size, output_size):
        # 初始化权重矩阵
        self.Wxh = np.random.randn(hidden_size, input_size) * 0.01
        self.Whh = np.random.randn(hidden_size, hidden_size) * 0.01
        self.Why = np.random.randn(output_size, hidden_size) * 0.01
        self.bh = np.zeros((hidden_size, 1))
        self.by = np.zeros((output_size, 1))
        
    def forward(self, inputs):
        # 初始化隐藏状态和输出
        h = np.zeros((self.Whh.shape[0], 1))
        y = np.zeros((self.Why.shape[0], 1))
        
        # 循环计算隐藏状态和输出
        for t in range(len(inputs)):
            x = inputs[t].reshape(-1, 1)
            h = sigmoid(np.dot(self.Wxh, x) + np.dot(self.Whh, h) + self.bh)
            y = np.dot(self.Why, h) + self.by
            
        return y
    
# 测试代码
rnn = RNN(2, 3, 1)
inputs = [np.array([1, 0]), np.array([0, 1]), np.array([1, 1]), np.array([0, 0])]
outputs = [np.array([1]), np.array([1]), np.array([0]), np.array([0])]
for i in range(len(inputs)):
    y = rnn.forward(inputs[i])
    print("Input:", inputs[i], "Output:", y, "Expected Output:", outputs[i])

这个代码实现了一个简单的循环神经网络，用于对输入序列进行分类。其中，`sigmoid` 函数是激活函数，`RNN` 类定义了循环神经网络的结构和前向传播过程。