import numpy as np


class NeuralNetwork():

    def __init__(self):
        # для генерации случайных чисел
        np.random.seed(1)

        # преобразование весов в матрицу 3 на 1 со значениями от -1 до 1 и среднее значение 0
        self.synaptic_weights = 2 * np.random.random((3, 1)) - 1

    def sigmoid(self, x):
        # применение сигмоидной функции
        return 1 / (1 + np.exp(-x))

    def sigmoid_derivative(self, x):
        # вычисление производной по сигмоидной функции
        return x * (1 - x)

    def train(self, training_inputs, training_outputs, training_iterations):
        # обучение модели для точных предсказаний при постоянном регулировании весов
        for iteration in range(training_iterations):
            #получаем данные обучения через нейрон
            output = self.think(training_inputs)

            # вычислительная частота ошибок для обратного распространения
            error = training_outputs - output

            # корректировка веса
            adjustments = np.dot(training_inputs.T, error * self.sigmoid_derivative(output))

            self.synaptic_weights += adjustments

    def think(self, inputs):
        # передача входов через нейрон для получения вывода
        # преобразование значений в floats

        inputs = inputs.astype(float)
        output = self.sigmoid(np.dot(inputs, self.synaptic_weights))
        return output


if __name__ == "__main__":
    # инициализация класса нейронов
    neural_network = NeuralNetwork()

    print("Начало произвольно сгенерированных весов:")
    print(neural_network.synaptic_weights)

    # учебные данные, состоящие из 4 примеров - 3 входных значения и 1 выход
    training_inputs = np.array([[0, 0, 1],
                                [1, 1, 1],
                                [1, 0, 1],
                                [0, 1, 1]])

    training_outputs = np.array([[0, 1, 1, 0]]).T

    # тренировка проходит
    neural_network.train(training_inputs, training_outputs, 15000)

    print("Окончание весов после обучения: ")
    print(neural_network.synaptic_weights)

    user_input_one = str(input("Пользовательский ввод один:"))
    user_input_two = str(input("Пользовательский ввод два:"))
    user_input_three = str(input("Пользовательский ввод три:"))

    print("Учитывая новую ситуацию:", user_input_one, user_input_two, user_input_three)
    print("Новые выходные данные:")
    print(neural_network.think(np.array([user_input_one, user_input_two, user_input_three])))
    print("Вау, мы сделали это!")