在PaddlePaddle框架中構建一個簡單的神經網絡可以分為以下步驟：

1. 導入PaddlePaddle庫：

import paddle
import paddle.fluid as fluid

2. 定義神經網絡結構：

# 定義輸入層
input = fluid.layers.data(name='input', shape=[1], dtype='float32')

# 定義全連接層
hidden = fluid.layers.fc(input=input, size=10, act='relu')

# 定義輸出層
output = fluid.layers.fc(input=hidden, size=1, act=None)

3. 定義損失函數和優化器：

# 定義標簽數據
label = fluid.layers.data(name='label', shape=[1], dtype='float32')

# 定義損失函數
cost = fluid.layers.square_error_cost(input=output, label=label)
avg_cost = fluid.layers.mean(cost)

# 定義優化器
optimizer = fluid.optimizer.SGD(learning_rate=0.01)
optimizer.minimize(avg_cost)

4. 創建執行器并訓練模型：

# 創建執行器
place = fluid.CPUPlace()
exe = fluid.Executor(place)
exe.run(fluid.default_startup_program())

# 訓練模型
for pass_id in range(10):
    for data in train_reader():
        avg_loss_value = exe.run(feed=data, fetch_list=[avg_cost])

# 保存模型
fluid.io.save_inference_model(dirname='./model', feeded_var_names=['input'], target_vars=[output], executor=exe)

以上是一個簡單的PaddlePaddle神經網絡構建過程，可以根據具體需求對網絡結構和訓練過程進行調整。