本文来自于简书，本文主要介绍人工神经网络入门知识的总结，希望对您的学习有所帮助。我们从下面四点认识人工神经网络（ANN:ArtificialNeutralNetwork）：神经元结构、神经元的激活函数、神经网络拓扑结构、神经网络选择权值和学习算法。1.神经元：我们先来看一组对比图就能了解是怎样从生物神经元建模为人工神经元。人工神经元建模过程下面分别讲述:生物神经元的组成包括细胞体、树突、轴突、突触。树突可以看作输入端，接收从其他细胞传递过来的电信号；轴突可以看作输出端，传递电荷给其他细胞；突触可以看作I/O接口，连接神经元，单个神经元可以和上千个神经元连接。细胞体内有膜电位，从外界传递过来的电

本文来自于简书，本文以一种简单的，循序的方式讲解神经网络，通过本文，你可以了解到这些问题的答案，同时还能知道神经网络的历史，以及如何较好地学习它神经网络是一门重要的机器学习技术。它是目前最为火热的研究方向--深度学习的基础。学习神经网络不仅可以让你掌握一门强大的机器学习方法，同时也可以更好地帮助你理解深度学习技术。神经网络是一种模拟人脑的神经网络以期能够实现类人工智能的机器学习技术。人脑中的神经网络是一个非常复杂的组织。成人的大脑中估计有1000亿个神经元之多。图1人脑神经网络那么机器学习中的神经网络是如何实现这种模拟的，并且达到一个惊人的良好效果的？由于本文较长，为方便读者，以下是本文的目录

先对xun.m运行，不断修改w，b和c；直到误差达到最小，将修改完的w，b和c，修改预测yuce.m中 的值。

由国外著名大学编写的非常有效近似最近邻分类算法，可直接使用，也可作为学习

OpenCV ANN 神经网络 数字识别 http://blog.csdn.net/zwhlxl/article/details/46605507 交叉训练，特征维度65,网络层数10 正确率1.000000 交叉训练，特征维度65,网络层数20 正确率1.000000 交叉训练，特征维度65,网络层数30 正确率1.000000 交叉训练，特征维度65,网络层数40 正确率0.990000

基于ANN的6种信号自动调制识别，内附完整代码。6种信号分别为2ASK、4ASK、2FSK、4FSK、2PSK、4PSK。适合初学者使用

基于SVM与ANN的车牌识别，结合opencv库使用。

在网上收集了很多资料，然后整理出了这个代码，并根据个人理解做了一些比较详细的注解。希望能对大家有所帮助，不足之处也请大家多多指教！

神经网络在处理非线性问题方面有着别的方法无法比拟的优势，而预测控制对于具有约束的卡边操作问题具有非常好的针对性，因此将神经网络与预测控制相结合，发挥各自的优势，对非线性、时变、强约束、大滞后工业过程的控制提供了一个很好的解决方法。

这是一个用ANN（人工神经网络）对手写数字进行识别的程序。 有以下一些特性： 1）前端（网页）用JavaScript，html 5，css开发； 2）后端（服务器）用python写的（2.7版本）； 3）功能：#支持在网页画布上（用鼠标）写数字，并会返回预测结果； #支持重置网页画布； #支持向服务器发送训练样本； #支持图片预览，图片上传； #支持对上传的图片中英文字母的识别。 这是一个非常酷的程序，C/S架构，代码也不是很复杂，而且设计了一些很有趣的知识（机器学习，神经网络，http数据传递，前后端开发等等）。感兴趣的同学可以下载下来看一看，有不懂的可以评论留言。