高级神经网络示例

本文将介绍一个高级神经网络示例，该示例展示了如何使用Python进行神经网络建模。以下是一个简单的神经网络结构，用于分类任务。

网络结构

输入层：包含特征向量
隐藏层：包含多个神经元，可以使用不同的激活函数
输出层：包含一个或多个神经元，通常使用softmax激活函数进行多分类

代码示例

以下是一个简单的神经网络实现：

# 导入必要的库
import numpy as np

# 定义神经网络结构
class NeuralNetwork:
    def __init__(self):
        # 初始化权重和偏置
        self.weights = np.random.randn(2, 3)
        self.bias = np.random.randn(3, 1)

    def forward(self, x):
        # 前向传播
        return np.dot(x, self.weights) + self.bias

# 创建神经网络实例
nn = NeuralNetwork()

# 创建输入数据
x = np.array([[0.5, 0.5], [0.2, 0.8]])

# 前向传播
output = nn.forward(x)

# 打印输出
print(output)

扩展阅读

想了解更多关于神经网络的知识？请访问我们的神经网络教程。