Python实现简单的神经网络

在说神经网络之前，我们讨论一下神经元（Neurons），它是神经网络的基本单元。神经元先获得输入，然后执行某些数学运算

后，再产生一个输出。比如一个2输入神经元的例子：

在这个神经元里，输入总共经历了3步数学运算，先将输入乘以权重（weight）：

最后经过激活函数（activation function）处理得到输出：

激活函数的作用是将无限制的输入转换为可预测形式的输出。一种常用的激活函数是sigmoid函数：

sigmoid函数的输出介于0和1，我们可以理解为它把 (−∞,+∞) 范围内的数压缩到 (0, 1)以内。正值越大输出越接近1，负向数值越

大输出越接近0。举个例子，上面神经元里的权重和偏置取如下数值：

以上步骤的Python代码是：

Python学习交流Q群：906715085###
import numpy as np

def sigmoid(x):

    # our activation function: f(x) = 1 / (1 * e^(-x))

    return 1 / (1 + np.exp(-x))

class Neuron():

    def __init__(self, weights, bias):

        self.weights = weights

        self.bias = bias

    def feedforward(self, inputs):

        # weight inputs, add bias, then use the activation function

        total = np.dot(self.weights, inputs) + self.bias

        return sigmoid(total)

weights =