基于BP神经网络的预测，代码已经调是成功，可直接运行

采用人工神经网络模型研究信用风险评估问题。研究利用BP算法训练多层前馈神经网络，给出了基于BP算法的信用风险评估计算步骤，最后以对个人信用评估为例，说明了人工神经网络在信用风险评估系统中的应用。

详细介绍BP神经网络的设计方法，用于0_9十个数字图像的识别

介绍BP神经网络的PPT，其中包含有BP神经网络原理，也有BP神经网络的实现等内容

BP神经网络算法 实现历史数据的样本训练 并对未来数据做出合理预测的案例

神经网络BP算法与回归分析算法进行统计预测的比较研究

典型的BP神经网络学习算法，以及内部讲解，包括神经元个数，层数详细说明具体该怎么设定，简单的事例，快速明白交叉熵函数在反向传播过程的作用

BP神经网络BP神经网络BP神经网络BP神经网络BP神经网络BP神经网络BP神经网络BP神经网络BP神经网络BP神经网络BP神经网络BP神经网络BP神经网络

【手写数字识别】基于BP神经网络手写数字识别matlab源码含GUI一、简介.zip

BP神经网络实现手写数字输入识别python 代码可以在下面链接中下载： https://gitee.com/cloud_maple/python_machine_learning.git 训练集和测试集都可以在下面链接中下载： 链接：https://pan.baidu.com/s/1KQuhyM843fEIyeG-87T1QQ 提取码：ln6s 首先，我们需要引入下面两个库 import numpy import scipy.special 然后创建一个神经网络类，类里有三个函数：初始化函数、训练函数和查询函数。 初始化函数 1、引入输入层、隐藏层、输出层的节点个数、学习率这些参数 2、用