使用Python实现简单的前馈神经网络算法。 工作正在进行中。

使用粒子群算法PSO优化BP神经网络的参数，已经做了标注，更详细的可以参照这篇文章

使用MNIST数据集训练手写数字识别模型——**附完整代码**和**训练好的模型文件**——直接用. 具体内容可看我的这篇文章：https://blog.csdn.net/weixin_45954454/article/details/114455209

前馈神经网络及其应用.pdf

为了缓解各种宽带和窄带扰动引起的光束抖动，提高自由空间激光通信卫星平台捕获跟瞄(ATP)系统的瞄准精度，在传统的比例积分微分(PID)反馈算法基础上增加一套误差自适应前馈控制算法构成误差自适应前馈复合控制。误差自适应前馈复合控制结合了PID反馈算法和自适应前馈算法的优点，能更好地抑制卫星终端精跟踪系统承受的扰动，而且具有不需要额外前馈传感器的优点，不增加系统硬件的复杂性和成本。在实验室搭建了快速反射镜实验系统对这种复合控制算法进行了实验，实验结果表明，误差自适应前馈复合控制算法相对于经典PID反馈算法精度提高了约5倍；相对于自适应前馈算法精度提高了约1倍。误差自适应前馈复合控制算法在不增加系统复杂性的同时能进一步缓解光束抖动，提高卫星平台ATP系统精度。

深度前馈卷积稀疏降噪自动编码器的多级委员会用于对象识别

三问代码，包括数据预处理，BP神经网络等

电动负载模拟器是一种能精确控制输出转矩的系统， 是科学试验、工业生产中用来模拟机械负载的重要设备之一。论文分析了以永磁同步电机为加载电机的负载模拟器的工作原理， 推导、构建了系统的数学模型。采用经典PID算法对转矩、电流进行闭环控制， 并引入前馈补偿， 抑制由被加载对象主动运动引起的多余力矩， 实现系统的快响应、高精度控制。最后借助MATLAB/Simulink验证系统可行性， 参照负载模拟器的评价指标体系讨论系统性能。

本代码利用numpy实现了深度前馈网络；代码包括了网络深度，每层的单元数和每层的激活函数可以自选，BP算法；最后跟了一个多项式拟合的例子。该代码适合深度学习初学者。

matlab前馈仿真 sumlink仿真