@ziben69
Skoro tak wybrałeś, to poczytaj sobie przede wszystkim na temat tego jak w ogóle działa taka sztuczna sieć neuronowa jednokierunkowa. Domyślam się że chodzi Ci o perceptron wielowarstwowy (MLP) a jeśli tak to musisz zapoznać się z podstawową zasadą działania takiego perceptronu, zanim w ogóle zaczniesz myśleć o realizacji tego ciekawego zresztą projektu.
To co piszę to raczej ostrzeżenie, żeby się nie okazało że próbujesz realizować rzeczy które mogą przerastać możliwości takiej sztucznej sieci neuronowej typu MLP albo w ogóle rzeczy nierozwiązywalne. Tak naprawdę sieć ta jest tylko uniwersalnym aproksymatorem funkcji wielu zmiennych (wykazano to w jednej z naukowych publikacji):
http://deeplearning.cs.cmu.edu/notes/Sonia_Hornik.pdf
W praktyce do wielu zastosowań bez problemu powinna się sprawdzić struktura złożona z warstwy wejściowej, jednej tylko warstwy ukrytej i jednej wyjściowej. Oczywiście może być też dwie warstwy ukryte, o tylko że nie zawsze jest taka potrzeba. Oczywiście nie są wcale sprawą drugorzędną parametry SSN, jak i algorytm uczenia. Użycie sieci MLP to nie jest rozwiązanie algorytmiczne, tylko ona po prostu zrealizuje to czego się nauczy na bazie danych wejściowych i oczekiwanych danych wyjściowych. Ale to nie jest tak że zapamiętuje sobie te dane tylko odpowiednio ustawi sobie wagi, tak żeby z zadaną dokładnością odwzorować odpowiedź na bazie danych wejściowych. Oczywiście można przy jej użyciu zrealizować system ekspertowy, który zdecyduje o czymś na bazie czegoś na wejściu, o ile dobierzesz oczywiście odpowiedni sposób, w jaki zakodujesz określone dane tak żeby SSN je rozumiała.
Jakby nie było jest to praca ciekawa i życzę powodzenia.