Python-сообщество

import numpy
import scipy.special

# определение класса нейронной сети
class neuralNetwork:
    
    #инициализация нейронной сети
    def __init__(self, inputnodes, hiddennodes, outputnodes, learningrate):
        #задать количество узлов во входном, скрытом и выходном слое
        self.inodes = inputnodes
        self.hnodes = hiddennodes
        self.onodes = outputnodes
        
        #матрицы весовых коэффициентов связей wih (между входным и скрытым
        #слоем) и who (между скрытым и выходным слоем)
        #Выссовые коэффиуиенты связей между узлом i и узлом j следующего слоя 
        #обозначены как w_i_j:
        #w11 w21
        #w12 w22 и т.д.
        self.wih = numpy.random.normal(0.0, pow(self.hnodes, -0.5), (self.hnodes, self.inodes))
        self.who = numpy.random.normal(0.0, pow(self.onodes, -0.5), (self.onodes, self.hnodes))
        
        #коэффициент обучения
        self.lr = learningrate
        
        #использование сигмоиды в качестве функции активации
        self.activation_function = lambda x: scipy.special.expit(x)        
        
        pass
    
    #тренировка нейронной сети
    def train():
        pass
    
    #опрос нейронной сети
    def query(self, inputs_list):
        
        #преобразовать список входныхзначений в двумерный массив
        inputs = numpy.array(inputs_list, ndmin=2).T
        
        # рассчитать входящие сигналы для скрытого слоя
        hidden_inputs = numpy.dot(self.wih, inputs)
        #расчитать исходящие сигналы для скрытого слоя
        hidden_outputs = self.activation_function(hidden_inputs)
        
        # рассчитать входящие сигналы для выходного слоя
        final_inputs = numpy.dot(self.who, hidden_outputs)
        # рассчитать исходящие сигналы для выходного слоя
        final_outputs = self.асtivation_function(final_inputs)
        
        hidden_inputs = numpy.dot(self.wih, inputs)
        
        return final_outputs

#количество входных, скрытых и выходных узлов
input_nodes = 3
hidden_nodes = 3
output_nodes = 3

# коэффициент обучения
learning_rate = 0.3

# создаём эккземпляр (объект класса)
n = neuralNetwork(input_nodes, hidden_nodes, output_nodes, learning_rate)

 n.query([1.0, 0.5, -1.5])

 final_outputs = self.асtivation_function(final_inputs)