MicroMLP 核心信息概括

MicroMLP 是一款专为 MicroPython 设计的微型人工神经网络多层感知器，主要适配 ESP32 和 Pycom 模块，具备极强的轻量化特性——仅需单个 microMLP.py 文件即可完成集成，无需额外依赖，非常适合资源受限的嵌入式场景使用。其整体设计遵循“简洁实用”的理念，既保留了多层感知器的核心能力，又避免了冗余功能带来的性能开销。

该神经网络拥有丰富的核心特性：支持自定义多层网络结构与神经元连接方式，神经元内置偏置项且连接具备可塑性，可按层配置激活函数；提供 Alpha（动量系数）、Eta（学习率）、Gain（学习增益）等关键参数的调节接口，方便用户根据场景优化模型；支持样本集的添加、清空与批量学习，内置 QLearning 相关函数，可直接用于强化学习任务；同时具备 JSON 格式的模型保存与加载功能，便于后续复用训练成果。

在激活函数支持方面，MicroMLP 涵盖了六种常用类型，包括海维赛德阶跃函数、Sigmoid 逻辑函数、双曲正切函数、SoftPlus 整流函数、ReLU 线性整流单元以及高斯函数，能够满足信号处理、图像处理、控制诊断、优化规划、系统仿真、分类分析、函数逼近等多种深度学习应用场景的需求。

使用上，MicroMLP 提供了便捷的静态方法，可快速创建指定结构的神经网络或从文件加载预训练模型；主类支持网络层管理、输入输出处理、模型训练、测试与预测等全流程操作，还针对强化学习场景提供了动作学习与最优动作预测接口。此外，内置的 NNValue 类支持百分比、字节、布尔值等多类型数值的标准化处理，确保输入输出数据符合神经网络的计算要求，各子类（层、神经元、连接、偏置等）也提供了清晰的操作接口，便于灵活扩展与调试。

MicroMLP 采用 MIT 开源许可，由 JC`zic 为 HC² 开发，其代码仓库包含完整的示例程序（如异或问题求解）、函数文档与相关资源。该项目自发布以来保持稳定更新，核心优势在于易集成、轻量化与功能实用的平衡，能够帮助开发者在嵌入式设备上快速落地神经网络相关应用。

更多细节可参考其 GitHub 仓库（https://github.com/jczic/MicroMLP）。