java простая настройка нейронной сети

Я решил поиграть с некоторыми простыми концепциями, включающими нейронные сети в Java, и, адаптируя несколько бесполезный код, который я нашел на форуме, я смог чтобы создать очень простую модель для типичной симуляции XOR для новичков:

public class MainApp {
    public static void main (String [] args) {
        Neuron xor = new Neuron(0.5f);
        Neuron left = new Neuron(1.5f);
        Neuron right = new Neuron(0.5f);
        left.setWeight(-1.0f);
        right.setWeight(1.0f);
        xor.connect(left, right);

        for (String val : args) {
            Neuron op = new Neuron(0.0f);
            op.setWeight(Boolean.parseBoolean(val));
            left.connect(op);
            right.connect(op);
        }

        xor.fire();

        System.out.println("Result: " + xor.isFired());

    }
}

public class Neuron {
    private ArrayList inputs;
    private float weight;
    private float threshhold;
    private boolean fired;

    public Neuron (float t) {
        threshhold = t;
        fired = false;
        inputs = new ArrayList();
    }

    public void connect (Neuron ... ns) {
        for (Neuron n : ns) inputs.add(n);
    }

    public void setWeight (float newWeight) {
        weight = newWeight;
    }

    public void setWeight (boolean newWeight) {
        weight = newWeight ? 1.0f : 0.0f;
    }

    public float getWeight () {
        return weight;
    }

    public float fire () {
        if (inputs.size() > 0) {
            float totalWeight = 0.0f;
            for (Neuron n : inputs) {
                n.fire();
                totalWeight += (n.isFired()) ? n.getWeight() : 0.0f;
            }
            fired = totalWeight > threshhold;
            return totalWeight;
        }
        else if (weight != 0.0f) {
            fired = weight > threshhold;
            return weight;
        }
        else {
            return 0.0f;
        }
    }

    public boolean isFired () {
        return fired;
    }
}

В моем основном классе я создал простую симуляцию при моделировании диаграммы Джеффа Хитона:

Однако я хотел убедиться, что моя реализация для класса Neuron верна .. Я уже проверил все возможные входные данные ([true true], [true false], [false true], [false false]) и все они прошли мою ручную проверку. Кроме того, поскольку эта программа принимает входные данные в качестве аргументов, она также, кажется, проходит ручную проверку для таких входов, как [истина ложь ложь], [истина истина ложь] и т. Д.

Но с концептуальной точки зрения, будет ли эта реализация правильной? Или как мне его улучшить, прежде чем я начну дальнейшую разработку и исследование этой темы?

Спасибо!