Регрессия нейронной сети

import math
from matplotlib import pylab as plt
 
def sigmoid(x):
  return 1 / (1 + math.exp(1)**-x)
 
import numpy as np
x1=1
x2=0
w1=np.array([0.2,0.4,0.7,0.5,0.3,0.5,0.6,0.9])
w2=np.array([0.2,0.4,0.6,0.8])
b1=1
b2=1
 
def Neyron(x1,x2,w1,w2,b1,b2):
  Zpr=[]
  for i in range(4):
    Zpr.append(x1*w1[i]+x2*w1[i+4]+b1)
  #print("Нейроны:",Zpr)
  Ypr=[]
  for i in range(4):
     Ypr.append(sigmoid(Zpr[i]))
  #print("Активационнная ф-я:", Ypr)
  Zv = Ypr[0]*w2[0]+Ypr[1]*w2[1]+Ypr[2]*w2[2]+Ypr[3]*w2[3]+b2 
  #print ("Z выход: ",Zv)
  Yv=sigmoid(Zv)
  print ("Общий выход нейросети: ",Yv)
  
//ТУТ ГРАФИК ПО АКТИВАЦИОННОЙ ФУНКЦИИ СИГМОИД
 
  E=1/2*(1-Yv)**2
  #print  ("Квадратичная функция ошибки: ", E)
  w22=[]
  for i in range(4):
    w22.append((E/Yv)*(Yv/Zv)*(Zv/w2[i]))
  for i in range(4):
    w2[i]=(w2[i]-0.5*w22[i])
  #print(w2)
 
//И ЗДЕСЬ ПО ОБРАТНОМУ РАСПРОСТРАНЕНИЮ
 
  w11=[]
  for i in range(8):
    w11.append((E/Yv)*(Yv/Zv)*(Zv/w1[i]))
  for i in range(8):
    w1[i]=(w1[i]-0.5*w11[i])
  print(w1)
  return w1,w2,Yv
 
w1,w2, yv=Neyron(x1,x2,w1,w2,b1,b2)
for i in range(5970):
  print ("№ итерации: ",i)
  Neyron(x1,x2,w1,w2,b1,b2)