模式识别老师让做的作业，基于BP算法的分类器设计，仅供参考。

实验中，采用iris分类数据进行测试。其中共有4种特征，3种类别。设置的网络参数为输入层为4(特征数)，隐藏层设置了1层。神经元个数为8，输出层为3(类别数)，激活函数采用的是sigmoid函数。训练的时候设置的mini_batch_size大小为120（训练样本个数），迭代次数为2000，采用的权重更新策略为批量梯度下降法。最终得到的训练模型在测试数据上进行测试，测试的准确率为1。过程中的验证集准确率变化见图3。在迭代到达600次的时候基本已经稳定，说明该网络结构得到的准确率大致就在这个范围。

本算法应用神经网络中的bp算法解决了异或问题，取得了很好的效果。

Matlab一种基于BP算法学习的小波神经网络-abbr_43dec04840a6f2a5444e6a4b8615c64a.rar 一种基于BP算法学习的小波神经网络，网络隐层采用框架小波函数、输出层采用Sigmoid 激励函数, 并选用“熵误差函数”以加速网络的学习速度

BP算法的代码实现。讲授一个如何BP神经网络的MATLAB代码的实现

自己写的一个作业，是神经网络里面的反向传播算法。大家看看

实现BP算法，非常实用方便

供研究学习置信传播算法的学者学习，matlab代码，内含一些例子包括贝叶斯网络、马尔科夫模型、因子图算法等

本程序利用matlab软件将鸢尾花数据集进行分类，利用的是bp算法

十分简单的单隐层BP神经网络python实现，运用了冲量项加快收敛，除此之外没有任何框架和复杂的函数，帮助初学者快速理解反向误差传播的含义