Red neuronal basica

#pip3 install Keras==2.1.5
#pip3 install numpy
#pip install tensorflow==1.5
import numpy as np
from keras.models import Sequential
from keras.layers.core import Dense

# Cargo los estimulos en este caso los datos de las entradas para la puerta logica a y b
estimulos = np.array([[0,0],[0,1],[1,0],[1,1]], "float32")

# La respuesta de la puerta logica XOR
#respuestas = np.array([[0],[1],[1],[0]], "float32")

# La respuesta de la puerta logica AND
#respuestas = np.array([[0],[0],[0],[1]], "float32")

# La respuesta de la puerta logica OR
respuestas = np.array([[0],[1],[1],[1]], "float32")

model = Sequential()
model.add(Dense(16, input_dim=2, activation='relu'))
model.add(Dense(1, activation='sigmoid'))

model.compile(loss='mean_squared_error',
              optimizer='adam',
              metrics=['binary_accuracy'])

model.fit(estimulos, respuestas, epochs=1000)

# evaluamos el modelo
scores = model.evaluate(estimulos , respuestas)

print("\n%s: %.2f%%" % (model.metrics_names[1], scores[1]*100))
print (model.predict(estimulos ).round())