### 使用 Matplotlib 绘制带标注和数据流向箭头的 BP 神经网络结构图 以下代码展示了如何利用 `matplotlib` 创建一个清晰的 BP 神经网络结构图，其中包括输入层、隐藏层、输出层的标注以及数据流动方向的箭头。该示例还加入了文字标签以便更好地理解各层的功能。 ```python import matplotlib.pyplot as plt from matplotlib.patches import Circle, FancyArrowPatch, ConnectionStyle def draw_bp_network(): fig, ax = plt.subplots(figsize=(10, 6)) ax.set_xlim(0, 5) ax.set_ylim(-2, 4) ax.axis('off') # Turn off axis # Define parameters for drawing circles and arrows layer_sizes = [3, 5, 2] # Input Layer, Hidden Layers, Output Layer v_spacing = (ax.get_ylim()[1]-ax.get_ylim()[0]) / max(layer_sizes) h_spacing = ax.get_xlim()[1] / (len(layer_sizes)-1) # Function to create neurons (circles) def add_neurons(x_loc, y_start, num_neurons): neuron_centers = [] for i in range(num_neurons): circle = Circle((x_loc, y_start - i*v_spacing), radius=0.2, edgecolor="black", facecolor="white") ax.add_patch(circle) neuron_centers.append((x_loc, y_start - i*v_spacing)) return neuron_centers # Add neurons for each layer input_layer_pos = add_neurons(h_spacing*0, 2, layer_sizes[0]) hidden_layer_pos = add_neurons(h_spacing*1, 2, layer_sizes[1]) output_layer_pos = add_neurons(h_spacing*2, 2, layer_sizes[2]) # Connect neurons with arrows def connect_layers(from_positions, to_positions): for from_pos in from_positions: for to_pos in to_positions: arrow = FancyArrowPatch( path=ConnectionStyle("arc3").connect(posA=from_pos, posB=to_pos), mutation_scale=15, shrinkA=10, shrinkB=10, color="gray", arrowstyle="-|>" ) ax.add_patch(arrow) connect_layers(input_layer_pos, hidden_layer_pos) connect_layers(hidden_layer_pos, output_layer_pos) # Annotate layers ax.text(h_spacing*0 - 0.5, 2, 'Input Layer', fontsize=14, ha='center') ax.text(h_spacing*1, 2 + 0.5, 'Hidden Layer', fontsize=14, ha='center') ax.text(h_spacing*2 + 0.5, 2, 'Output Layer', fontsize=14, ha='center') # Show data flow direction explicitly ax.annotate('', xy=(h_spacing*0.5, 2), xytext=(h_spacing*0.5, 1.5), arrowprops=dict(facecolor='blue', width=2, headwidth=8)) ax.annotate('', xy=(h_spacing*1.5, 2), xytext=(h_spacing*1.5, 1.5), arrowprops=dict(facecolor='red', width=2, headwidth=8)) plt.show() draw_bp_network() ``` #### 图形解析 - **神经元表示**: 圆圈代表各个层次中的神经元。 - **连接线**: 这些是从一层到下一层之间的加权连接，用灰色箭头表示。 - **层名标注**: 各自对应的层名称被放置在其上方或者旁边适当位置处加以说明[^1]。 - **数据流指示器**: 蓝色与红色的大箭头分别指出从前向后的两个主要阶段的数据传递过程——前馈传播（蓝色）及反向误差传播（可选为红色或其他颜色标记）[^1]. --- ### 结果描述 执行上述代码将会得到一幅标准BP神经网络拓扑结构图表，其中包含了三个核心组件即输入层、隐含层还有输出层，并且清楚地标明了它们间的关系连同信息传输的方向性。