使用python构建简单的神经网络

初识这个领域，由于之前有python基础，根据本人习惯，直接从简单的入手。
神经网络需要至少三个部分：

初始化函数	设定输入层节点，隐藏层节点和输出层节点
训练函数	学习给定训练集样本后，优化权重
查询	给定输入。从输出节点返回答案

框架如下：

#神经网络框架
class neuraNetwork:
def __init__():

def train():

def query():

初始化网络

现在我们讨论最简单的神经网络。
在初始化网络这一部分。我们需要设置输入层节点，隐藏层节点和输出层节点的数量。
我们要尽量的构建一般代码，以便于适用于不同的场景。

def __init__(self,inputnodes,hiddennodes,outputnodes,learningrate):
self.inodes=inputnodes
self.hnodes=hiddennodes
self.onodes=outputnodes
self.lr=learningrate
pass

权重

网络中最重要的部分是链接权重，我们要使用这些权重来计算前馈信号，反向传播误差。

输入——隐藏：权重矩阵Wih=inputnodes*hiddennodes

隐藏——输出：权重矩阵Who=hiddennodes*outputnodes

生成权重矩阵我们还可以使用numpy.random.rand(row,columns)
此函数能生成0~1之间的随机值矩阵。那么，现在有一个问题，我们没有负值的权重，那么，我们将结果减去0.5.获得的矩阵就是-0.5到0.5的随机值了。

self.wih=(numpy.random.rand(self.hnodes,self.inodes)