import numpy as np

定义激活函数

def sigmoid(x): return 1 / (1 + np.exp(-x))

定义神经网络类

class NeuralNetwork: def init(self, input_size, output_size): self.input_size = input_size self.output_size = output_size

    # 初始化权重和偏置
    self.weights1 = np.random.randn(self.input_size, self.output_size)
    self.bias1 = np.random.randn(self.output_size)
    
def forward(self, X):
    # 前向传播
    self.z = np.dot(X, self.weights1) + self.bias1
    self.output = sigmoid(self.z)
    
    return self.output

def backward(self, X, y, output):
    # 反向传播
    self.error = output - y
    self.gradient = sigmoid(self.z) * (1 - sigmoid(self.z))
    
    self.weights1 -= np.dot(X.T, self.error * self.gradient)
    self.bias1 -= np.sum(self.error * self.gradient, axis=0)
    
def train(self, X, y, epochs):
    for epoch in range(epochs):
        output = self.forward(X)
        self.backward(X, y, output)
        
def predict(self, X):
    output = self.forward(X)
    predictions = np.round(output)
    
    return predictions

创建神经网络对象

nn = NeuralNetwork(2, 3)

定义输入和输出数据

X = np.array([[0, 0], [0, 1], [1, 0], [1, 1]]) y = np.array([[0, 0, 1], [0, 1, 0], [1, 0, 0], [1, 1, 1]])

训练神经网络

nn.train(X, y, epochs=10000)

预测新数据

new_data = np.array([[0, 0], [0, 1], [1, 0], [1, 1]]) predictions = nn.predict(new_data) print(predictions)

要将数据替换为本地的Excel文件，你需要使用适当的库来读取Excel文件，并将数据转换为NumPy数组。以下是一种可能的方法使用pandas库来读取Excel文件并将数据转换为NumPy数组：

import pandas as pd
import numpy as np

# 读取Excel文件
data = pd.read_excel('your_file.xlsx')

# 将数据转换为NumPy数组
X = data.iloc[:, :2].values
y = data.iloc[:, 2:].values

# 创建神经网络对象
nn = NeuralNetwork(2, 3)

# 训练神经网络
nn.train(X, y, epochs=10000)

# 预测新数据
new_data = np.array([[0, 0], [0, 1], [1, 0], [1, 1]])
predictions = nn.predict(new_data)
print(predictions)

请确保将your_file.xlsx替换为你的Excel文件的路径。此外，还需要确保Excel文件中的数据与神经网络的输入和输出大小匹配。