python实现bp神经网络

import numpy as np
import matplotlib.pyplot as plt

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

#人数（单位：万人）
population=[20.5522.4425.3727.1329.4530.1030.9634.0636.4238.0939.1339.9941.9344.5947.3052.8955.7356.7659.1760.63]
#机动车数（单位：万辆）
vehicle=[0.60.750.850.91.051.351.451.61.71.852.152.22.252.352.52.62.72.852.953.1]
#公路面积（单位：万平方公里）
roadarea=[0.090.110.110.140.200.230.230.320.320.340.360.360.380.490.560.590.590.670.690.79]
#公路客运量（单位：万人）
passengertraffic=[512662177730914510460113871235315750183041983621024194902043322598251073344236836405484292743462]
#公路货运量（单位：万吨）
freighttraffic=[123713791385139916631714183443228132893611099112031052411115133201676218673207242080321804]

samplein = np.mat（[populationvehicleroadarea]） #3*20
sampleinminmax = np.array（[samplein.min（axis=1）.T.tolist（）[0]samplein.max（axis=1）.T.tolist（）[0]]）.transpose（）#3*2，对应最大值最小值
sampleout = np.mat（[passengertrafficfreighttraffic]）#2*20
sampleoutminmax = np.array（[sampleout.min（axis=1）.T.tolist（）[0]sampleout.max（axis=1）.T.tolist（）[0]]）.transpose（）#2*2，对应最大值最小值

#3*20
sampleinnorm = （2*（np.array（samplein.T）-sampleinminmax.transpose（）[0]）/（sampleinminmax.transpose（）[1]-sampleinminmax.transpose（）[0]）-1）.transpose（）
#2*20
sampleoutnorm = （2*（np.array（sampleout.T）.astype（float）-sampleoutminmax.transpose（）[0]）/（sampleoutminmax.transpose（）[1]-sampleoutminmax.transpose（）[0]）-1）.transpose（）

#给输出样本添加噪音
noise = 0.03*np.random.rand（sampleoutnorm.shape[0]sampleoutnorm.shape[1]）
sampleoutnorm += noise




maxepochs = 60000
learnrate = 0.035
errorfinal = 0.65*10**（-3）
samnum = 20
indim = 3
outdim = 2
hiddenunitnum = 8

w1 = 0.5*np.random.rand（hiddenunitnumindim）-0.1
b1 = 0.5*np.random.rand（hiddenunitnum1）-0.1
w2 = 0.5*np.random.rand（outdimhiddenunitnum）-0.1
b2 = 0.5*np.random.rand（outdim1）-0.1

errhistory = []

for i in range（maxepochs）:
    hiddenout = logsig（（np.dot（w1sampleinnorm）.transpose（）+b1.transpose（）））.transpose（）
    networkout = （np.dot（w2hiddenout）.transpose（）+b2.transpose（））.transpose（）
    err = sampleoutnorm - networkout
    sse = sum（sum（err**2））

    errhistory.append（sse）
    if sse < errorfinal:
        break

    delta2 = err

    delta1 = np.dot（w2.transpose（）delta2）*hiddenout*（1-hiddenout）

    dw2 = np.dot（delta2hiddenout.transpose（））
    db2 = np.dot（delta2np.ones（（samnum1）））

    dw1 = np.dot（delta1sam