运用BP神经网络实现数字识别过程，包含了图像训练以及识别两个过程

主要用于基于深度学习的目标识别网络训练数据集，共300张左右图片

MATLAB源代码，基于LM算法的神经网络训练程序，比传统BP算法快20倍以上

该PPT介绍了如何计算各个输入层的值 介绍了训练过程 并举例子进行验证

使用卷积神经网络训练模型，具体介绍，参看我写的这篇文章：https://blog.csdn.net/weixin_45954454/article/details/114455209。

搭建好了神经网络而又忘记选择样本的同学们，这个文献还是有点用的哟

Matlab基于LM算法的神经网络算法最快的神经网络训练算法-abbr_39dd166d452df501ed224acc2ef3ba43.rar 基于LM算法的神经网络算法，最快的神经网络训练算法，但对内存要求高

本文实例为大家分享了用简单的神经网络来训练和测试的具体代码，供大家参考，具体内容如下 刚开始学习tf时，我们从简单的地方开始。卷积神经网络（CNN）是由简单的神经网络（NN）发展而来的，因此，我们的第一个例子，就从神经网络开始。 神经网络没有卷积功能，只有简单的三层：输入层，隐藏层和输出层。 数据从输入层输入，在隐藏层进行加权变换，最后在输出层进行输出。输出的时候，我们可以使用softmax回归，输出属于每个类别的概率值。借用极客学院的图表示如下： 其中，x1,x2,x3为输入数据，经过运算后，得到三个数据属于某个类别的概率值y1,y2,y3. 用简单的公式表示如下： 在训练过程中，我们将

猫狗分类模型（使用VGG-13网络训练所得）

javaCV训练样本成xml文件，且带有识别功能，一个类，多个方法，调用简单