Как правильно создать модель нейронной сети и подобрать коэффициенты для классификации бинарных признаков?

Товарищи, приветствую!

Очень прошу помочь сообразить с созданием модели нейронной сети (именно архитектуры) и определением коэффициентов на веса.

У меня такая задачка:

Нужно построить модель сети с прямым распространение сигнала (который feed-forward) и делает классификацию.

В качестве функции активации во всех нейронах используется сигмоида ( 1/1+e^-x). Объект описывается четырьмя бинарными признаками A , B , C и D (принимающих значение 0 или 1) признаков. И три класса - X , Y , Z А условия следующие: Если вход А установлен в 1, а остальные входы 0, то это объект класса X. Для объекта класса Y единицы должны быть на любых трех входах. А для объекта класса Z значения на парах входов А и С, B и D не должны совпадать.

Что успел, так это зарисовать небольшую архитектуру, правда классов у меня только 1, затупил и забыл про них, начал изучать совершенные дизъюнктивные нормальные формы для возможной прикидки весов на нейронах.

Но все равно уверен, что все делаю не так...