pythonimport numpy as np# 定义BP神经网络类class NeuralNetwork def __init__self input_size hidden_size output_size selfinput_size = input_size selfhidden_size = hidden_size selfoutput_

第1行：导入numpy库，用于数值计算。
第4-9行：定义了一个名为NeuralNetwork的类。这个类表示一个BP神经网络。
第5-7行：定义了类的初始化方法，接受输入层、隐藏层和输出层的神经元数量作为参数。初始化方法会根据这些参数随机初始化权重和偏置。
第10-15行：定义了sigmoid激活函数。sigmoid函数将输入的值映射到0到1之间的概率。
第17-21行：定义了sigmoid函数的导数。这个导数用于计算反向传播过程中的梯度。
第23-33行：定义了前向传播函数。前向传播过程中，神经网络会根据输入计算出输出的值。
第35-52行：定义了反向传播函数。反向传播过程中，神经网络会根据输出的误差计算更新权重和偏置的梯度。
第54-61行：定义了训练函数。训练函数会根据给定的输入和输出数据进行多次迭代，调用前向传播和反向传播函数来更新神经网络的权重和偏置。
第63-67行：定义了预测函数。预测函数会根据给定的输入数据进行前向传播，并返回最终的预测结果。
第70-73行：创建了一个示例数据集X和对应的标签y。这个数据集用于训练和测试BP神经网络。
第76行：创建了一个名为nn的NeuralNetwork对象。这个对象具有2个输入神经元，3个隐藏神经元和1个输出神经元。
第79行：调用了神经网络对象的训练方法，将输入数据X和标签y作为参数，并指定迭代次数为10000次。
第82行：调用了神经网络对象的预测方法，将输入数据X作为参数，并打印预测结果