自己写的一个简单的BP神经网络代码

之前尝试过自己写一个BP神经网络实现，用来进行中国象棋的局面评估。遇到一些问题，最后才发现网络权重初始化不当——每个权重的初始化值应该是在区间[-1,1]中取，而不是在[0,1]中取！原先写的那个实现里只能有一个隐含层，这里这个新的实现中，可以有多个隐含层。神经元的激励函数取的是sigmoid函数。代码如下

public class BPANN{
	/* 
	 * *******************以下是神经网络的参数****************************
	 */
	//输入数据的维度（每个数据都是0~1的值）
	private int inputDim;
	//输出数据的维度（每个数据都是0~1的值）
	private int outputDim;
	//神经网络的层数（输入数据->第1隐含层->...->输出层神经元->输出数据）
	//这里的每一层对应一列神经元（每个神经元即加权之后进行sigmoid这样一
	//个处理过程）每一列神经元对应有若干个权重，第1隐含层对应的权重个数是
	//inputDim*n1,这里n1是第1隐含层中的神经元的个数。
	private int numLayers;
	//每一层各有多少个神经元
	//assert numNeuronsForEachLayer.length==numLayers
	//assert numNeuronsForEachLayer[numNeuronsForEachLayer.length-1]=outputDim
	private int [] numNeuronsForEachLayer;
	/*
	 * **********************以下是神经网络的状态***************************
	 */
	//设共有m层神经元，第i层神经元有n[i]个，则每一个神经元有n[i-1]+1个权重，其中多出来的
	//那个权重是用来乘以offset（一般都是1）的
	//weights.length=numLayers
	//weights[i].length=numNeuronsForEachLayer[i]
	//weights[i][j].length=numNeuronsForEachLayer[i-1]+1
	private double [][][] weights;
	
	
	/**
	 * 根据参数构建
	 * @param inputDimension
	 * @param outputDimension
	 * @param numOfLayers
	 * @param numOfNeuronsForEachLayer
	 */
	public BPANN(int inputDimension, int outputDimension, int numOfLayers, int[] numOfNeuronsForEachLayer){
		construct(inputDimension, outputDimension, numOfLayers, numOfNeuronsForEachLayer);
	}
	
	/**
	 * 根据参数构建
	 * @param inputDimension
	 * @param numOfNeuronsForEachLayer
	 */
	public BPANN(int inputDimension, int[] numOfNeuronsForEachLayer){
		assert numOfNeuronsForEachLayer.length>0;
		construct(inputDimension, numOfNeuronsForEachLayer[numOfNeuronsForEachLayer.length-1], numOfNeuronsForEachLayer.length, numOfNeuronsForEachLayer);
	}
	
	private void construct(int inputDimension, int outputDimension, in