极简两层反传(BP)神经网络

import numpy as np

‘‘‘极简两层反传(BP)神经网络‘‘‘

# 特征样本
X = np.array([[0, 0, 1],
              [0, 1, 1],
              [1, 0, 1],
              [1, 1, 1]])
# 类别样本
y = np.array([0, 0, 1, 1])
 
# 权值矩阵 初始化
Wi = 2 * np.random.random(3) - 1
 
for iter in range(10000):
    # 前向传播，计算误差
    li = X
    lo = 1 / (1 + np.exp(-np.dot(li, Wi))) # sigmoid函数
    lo_error = y - lo

    # 后向传播，更新权值
    lo_delta = lo_error * lo * (1 - lo)    # sigmoid函数的导数（梯度下降）
    Wi += np.dot(lo_delta, li)
    
print("训练效果：\n", lo)