BP神经网络算法编程

BP神经网络算法（Backpropagation Neural Network Algorithm）是一种常用的人工神经网络算法，用于解决分类和回归问题。本文将详细介绍BP神经网络算法的原理，并提供相应的源代码示例。

1. 算法原理
   BP神经网络算法是一种有监督学习算法，通过反向传播误差来训练神经网络模型。它包括前向传播和反向传播两个步骤。

（1）前向传播：输入样本经过输入层传递到隐藏层和输出层。每个神经元将输入与权重相乘，并通过激活函数计算输出。

（2）反向传播：根据输出误差计算输出层和隐藏层的权重调整量，并将误差反向传播到隐藏层。通过梯度下降法，不断调整权重，以最小化误差。

2. 算法实现
   以下是使用Python实现BP神经网络算法的示例代码：

import numpy as np

class NeuralNetwork:
    def __init__(