Нейронная сеть обратного распространения

function sigmoid(z){ //Сигмоид
            var bottom = math.add(1, math.exp(math.multiply(-1, z)));
            return math.dotDivide(1, bottom);
        };
 
var I1 =[
  [1,0,0],
  [0,1,0],        // Входные данные для обучения
  [0,0,1]
];
var I2 =[
  [],
  [],              // Входные данные к каждому из 6 скрытых нейронов
  []
];
var out=[
  [0,0,1],
  [0,1,0],         // Выходные данные для обучения 
  [1,0,0]
]
var W12=[
  [],
  [],              // Веса от входных нейронов к скрытым
  []
];
 
var hl = 6;        // Количество Скрытых нейронов
var il = 3;        // количество входных нейронов
 
for(var k=0;k<il;k++){   // Тут пока k < количества входных нейронов (3 раза)
  for(let i=0;i<hl;i++){ // Тут пока i < количества скрытых нейронов (6 раз)
    W12[k][i]=Number(math.random(1));     //Заполняю все 18 весов рандомными числами от 0 до 1
  }
}
/*
I2=math.multiply(I1[0],W12)
 
for(var k=0;k<il;k++){   // Тут пока k < количества входных нейронов (3 раза)
 
}
*/
I2[0]=math.multiply(I1,W12); //Тут нужно получить значения всех 6 скрытых нейронов чтобы пропустить потом через функцию активации
console.log(I2);
var X2=[]; // Тут будут храниться значения скрытых нейронов после сигмоида
//X2[0] = sigmoid(I2);