numpy库提供了以下四种重要方法：

exp―用于生成自然指数 array―用于生成矩阵 dot―用于矩阵相乘 random―用于生成随机数。请注意，我们将生成随机数，以确保它们的有效分布。 1. 应用Sigmoid函数

2. 训练模型

importnumpyasnp classNeuralNetwork(): def__init__(self): #seedingforrandomnumbergeneration np.random.seed(1) #convertingweightstoa3by1matrixwithvaluesfrom-1to1andmeanof0 self.synaptic_weights=2*np.random.random((3,1))-1 defsigmoid(self,x): #applyingthesigmoidfunction return1/(1+np.exp(-x)) defsigmoid_derivative(self,x): #computingderivativetotheSigmoidfunction returnx*(1-x) deftrain(self,training_inputs,training_outputs,training_iterations): #trainingthemodeltomakeaccuratepredictionswhileadjustingweightscontinually foriterationinrange(training_iterations): #siphonthetrainingdataviatheneuron output=self.think(training_inputs) #computingerrorrateforback-propagation error=training_outputs-output #performingweightadjustments adjustments=np.dot(training_inputs.T,error*self.sigmoid_derivative(output)) self.synaptic_weights+=adjustments defthink(self,inputs): #passingtheinputsviatheneurontogetoutput #convertingvaluestofloats inputsinputs=inputs.astype(float) output=self.sigmoid(np.dot(inputs,self.synaptic_weights)) returnoutput if__name__=="__main__": #initializingtheneuronclass neural_network=NeuralNetwork() print("BeginningRandomlyGeneratedWeights:") print(neural_network.synaptic_weights) #trainingdataconsistingof4examples--3inputvaluesand1output training_inputs=np.array([[0,0,1], [1,1,1], [1,0,1], [0,1,1]]) training_outputs=np.array([[0,1,1,0]]).T #trainingtakingplace neural_network.train(training_inputs,training_outputs,15000) print("EndingWeightsAfterTraining:") print(neural_network.synaptic_weights) user_input_one=str(input("UserInputOne:")) user_input_two=str(input("UserInputTwo:")) user_input_three=str(input("UserInputThree:")) print("ConsideringNewSituation:",user_input_one,user_input_two,user_input_three) print("NewOutputdata:") print(neural_network.think(np.array([user_input_one,user_input_two,user_input_three]))) print("Wow,wedidit!") 运行代码之后的输出：

【责任编辑：庞桂玉 TEL：（010）68476606】

• ### 读了很多道理却依然过不好这一生？你差一个故事来打破魔咒！

1.凡CodeSecTeam转载的文章,均出自其它媒体或其他官网介绍,目的在于传递更多的信息,并不代表本站赞同其观点和其真实性负责；
2.转载的文章仅代表原创作者观点,与本站无关。其原创性以及文中陈述文字和内容未经本站证实,本站对该文以及其中全部或者部分内容、文字的真实性、完整性、及时性，不作出任何保证或承若；
3.如本站转载稿涉及版权等问题,请作者及时联系本站,我们会及时处理。