机器学习是一类算法的总称，这些算法企图从大量历史数据中挖掘出其中隐含的规律，并用于预测或者分类，更具体的说，机器学习可以看作是寻找一个函数，输入是样本数据，输出是期望的结果，只是这个函数过于复杂，以至于不太方便形式化表达，这份资料包含一些适合初学者学习的神经网络实现机器学习的案例，包括语音特征，图像识别等

Windows系统下配置深度学习Darknet框架使用YOLO神经网络算法实现目标检测(Windows10+VS2015+OpenCV3.4.0+CUDA9.0+cuDNN7.0)-附件资源

2022年精选数学建模算法教程文档合集第11期：神经网络（60份）包含如下文档： 08遗传算法优化BP神经网络权值和阈值的通用MATLAB源码.docx 08遗传算法优化BP神经网络权值和阈值的通用MATLAB源码.pdf 19第十九章 神经网络模型.docx BP_神经网络的设计实例(MATLAB编程).doc BP神经网络matlab实例.doc BP神经网络matlab源程序代码.doc BP神经网络工具箱.doc BP神经网络的Matlab语法介绍.doc BP神经网络的应用.doc BP神经网络算法.doc matlab15.pdf matlab16.pdf matlab1神经网络.pdf Matlab神经网络(九)--粒子群算法（PSO）实现函数极值优化.zip matlab神经网络.pdf Matlab神经网络.txt MATLAB神经网络30个案例分析.pdf matlab神经网络学习总结.doc Matlab神经网络工具箱应用简介.pdf 人工神经网络与神经网络优化算法.ppt 人工神经网络及其应用.pdf 人工神经网络技术及应用.pdf 等等

煤矿设计和开采受瓦斯涌出量的影响。由于地质条件不同,瓦斯涌出量也各有不同,传统方法预测瓦斯涌出量精确性很低。文章首先对灰色神经网络预测的现状做出介绍,然后分别介绍了灰色系统和神经网络的模型,最后结合灰色神经网络模型对煤矿瓦斯涌出量的应用实例做出分析。研究表明,灰色神经网络算法有很大的应用前景和推广价值。

利用神经网络算法对图像进行处理的matlab源代码

用BP神经网络算法对人脸方向进行预测，MATLAB版本注释较全，可直接运行

为了提高植物叶片图像的识别率, 采用改进神经网络算法, 通过径向基函数神经网络建立模型; 采用多环量子算法确定各环量子个体选择概率, 量子旋转门在一定范围内动态调整, 不同环上节点信息共享概率非线性动态变化; 对植物叶片图像进行识别, 包括形状特征、纹理特征; 通过多环量子算法实现径向基函数神经网络参数寻优。实验结果表明, 本文算法对植物叶片图像的几何特征、纹理特征、综合特征的平均识别率分别为91%, 89%, 93%, 与其他算法相比较高, 训练、识别时间分别为3.5 s、2.5 s。

多层神经网络算法代码，适合初学者自己钻研，能运行，希望对大家有用！

介绍了标准BP算法及其优缺点，并针对其存在的缺陷，从各个不同的方面对BP算法提出了改进，并对各种改进方法的原理及优缺点作了详尽的分析，从而使BP神经网络更广泛地应用于各个领域．

首先讲一下这次专题的选题背景 然后简要的介绍一下人工神经网络中的一些重要概念 了解了这些基本概念后 我们就更好的学习BP算法 最后，我们选择一个煤矿井下预测瓦斯浓度的实例掌握简单的BP神经网络算法在matlab中实现。