import?copy?numpy?as?np
np.random.seed（0）

#?compute?sigmoid?nonlinearity
def?sigmoid（x）:
????output?=?1/（1+np.exp（-x））
????return?output

#?convert?output?of?sigmoid?function?to?its?derivative
def?sigmoid_output_to_derivative（output）:
????return?output*（1-output）


#?training?dataset?generation
int2binary?=?{}
binary_dim?=?8

largest_number?=?pow（2binary_dim）
binary?=?np.unpackbits（
????np.array（[range（largest_number）]dtype=np.uint8）.Taxis=1）
for?i?in?range（largest_number）:
????int2binary[i]?=?binary[i]


#?input?variables
alpha?=?0.1
input_dim?=?2
hidden_dim?=?16
output_dim?=?1


#?initialize?neural?network?weights
synapse_0?=?2*np.random.random（（input_dimhidden_dim））?-?1
synapse_1?=?2*np.random.random（（hidden_dimoutput_dim））?-?1
synapse_h?=?2*np.r