采用python对BP神经网络原理进行编写程序，应用神经网络解决分类问题，并且绘制分类边界图

描述了在目前的智能控制的发展，对各种智能控制的方法做了对比和总结，内含智能控制目前运用的领域，并总结得出了智能控制的必要性和发展前景，适用于学习智能控制的朋友。

从零开始学习神经网络在说神经网络之前，我们讨论一下神经元（Neurons），它是神经网络的基本单元。神经元先获得输入，然后执行某些数学运算后，再产生一个输出。比如一个2输入神经元的例子：在这个神经元里，输入总共经历了3步数学运算，先将输入乘以权重（weight）：最后经过激活函数（activationfunction）处理得到输出：激活函数的作用是将无限制的输入转换为可预测形式的输出。一种常用的激活函数是sigmoid函数：sigmoid函数的输出介于0和1，我们可以理解为它把(-∞,+∞)范围内的数压缩到(0,1)以内。正值越大输出越接近1，负向数值越大输出越接近0。举个例子，上面神经元里的

根据患者的特征对diabetes患者进行分类，包含数据集和code

概率神经网络(PPT文档).ppt

浅析BP神经网络算法的改进和优化.doc

hsi matlab代码QRNN3D TNNLS 2020论文的实施 强调 我们的网络在高斯和复杂噪声情况下均优于ICVL数据集上的所有领先方法（2019），如下所示： 我们证明了在31频段自然HSI数据库（ICVL）上进行预训练的网络可用于恢复由于恶劣的大气和水吸收而被现实世界的非高斯噪声破坏的遥感HSI（> 100频段） 先决条件 Python> = 3.5，PyTorch> = 0.4.1 要求：opencv-python，tensorboardX，caffe 平台：Ubuntu 16.04，cuda-8.0 快速开始 1.准备训练/测试数据集 从以下位置下载ICVL高光谱图像数据库（我们仅需要.mat版本） 火车测试拆分可在ICVL_train.txt和ICVL_test_*.txt 。 （请注意，我们分别将101个测试数据分为高斯和复数降噪两部分。） 训练数据集 注意cafe（通过conda安装）和lmdb是执行以下说明所必需的。 阅读utility/lmdb_data.py的函数create_icvl64_31 ，并按照指令注释定义您的数据/数据集地址。 通过python

MATLAB实现CNN-LSTM时间序列预测（完整源码和数据） 卷积长短期记忆神经网络时间序列预测，数据为单变量时间序列数据， 运行环境MATLAB2020b及以上。

MATLAB实现RBF径向基神经网络多特征分类预测（完整源码和数据） 数据多特征分类数据，输入15个特征，分四类。 运行环境MATLAB2018b及以上。

MATLAB实现RBF径向基神经网络多输入回归预测（完整源码和数据） 数据多特征分类数据，输入7个特征，输出1个变量。 运行环境MATLAB2018b及以上。