Нейронную

Операция += означает увеличение переменной, указанной слева
от знака равенства, на значение, указанное справа от него. Поэтому
х+=3 означает, что 
х 
увеличивается на 3. Это просто сокращенная
запись инструкции х=х+3. Аналогичный способ записи допускается
и для других арифметических операций. Например, х/=3 означает
деление 
х 
на 3.
Код для уточнения весовых коэффициентов связей между вход­
ным и скрытым слоями будет очень похож на этот. Мы воспользуем­
ся симметрией выражений и просто перепишем код, заменяя в нем 
имена переменных таким образом, чтобы они относились к предыду­
щим слоям. Ниже приведен суммарный код для двух наборов весо­
вых коэффициентов, отдельные элементы которого выделены цветом 
таким образом, чтобы сходные и различающиеся участки кода мож­
но было легко заметить.
# обновить весовые коэффициенты связей между скрытым и выходным слоями 
self
.who 
+= self.lr * m m p y . d o t (
(output_errors * final_outputs 
*
^(1.0 - final_outputs)), numpy.transpose(hidden_outputs))
I обновить весовые коэффициенты связей между входным и скрытым слоями 
self.wih 
+= self.lr * numpy.dot(
(hidden_errors * hidden_outputs *
■0(1.0 - hidden_outputs)), numpy.transpose(inputs))
Вот и все!
Даже не верится, что вся та работа, для выполнения которой нам 
потребовалось множество вычислений, и все те усилия, которые мы 
вложили в разработку матричного подхода и способа минимизации 
ошибок сети методом градиентного спуска, свелись к паре строк 
кода! Отчасти мы обязаны этим языку Python, но фактически это за­
кономерный результат нашего упорного труда, вложенного в упро­
щение того, что легко могло стать сложным и приобрести устраша­
ющий вид.
Полный код нейронной сети
Мы завершили разработку класса нейронной сети. Он приве­
ден ниже для справки, и вы можете получить его в любой момент, 
воспользовавшись следующей ссылкой на GitHub — крупнейшем