BP神经网络用于模式分类和函数拟合，代码质量高，可运行，有注释。

案例3 遗传算法优化BP神经网络-非线性函数拟合

此代码可用于多输入多输出的非线性拟合，应用BP神经网络结构。程序可读性高，适合用于机器学习中非线性建模，

tensorflow初学，一次线性函数拟合（代码）,大致训练了一个网络结构来拟合一次函数

BP神经网络的非线性系统建模——非线性函数拟合.7zBP神经网络的非线性系统建模——非线性函数拟合.7z

在工程应用中经常会遇到一些复杂的非线性系统，这些系统状态方程复杂，难以用数学方法准确建模。在这种情况下，可以建立BP神经网络表达这些非线性系统。BP神经网络是一种反向传递并且能够修正误差的多层映射函数，它通过对未知系统的输入输出参数进行学习之后，便可以联想记忆表达该系统。但是由于BP网络是在梯度法基础上推导出来的，要求目标函数连续可导，在进化学习的过程中熟练速度慢，容易陷入局部最优，找不到全局最优值。并且由于BP网络的权值和阀值在选择上是随机值，每次的初始值都不一样，造成每次训练学习预测的结果都有所差别。遗传算法是一种全局搜索算法，把BP神经网络和遗传算法有机融合，充分发挥遗传算法的全局搜索能力和BP神经网络的局部搜索能力，利用遗传算法来弥补权值和阀值选择上的随机性缺陷，得到更好的预测结果。

最大似然（ML）准则和最大后验概率（MAP）准则，BP神经网络用于函数拟合与模式识别，多目标跟踪的粒子滤波器

BP神经网络的非线性系统建模-非线性函数拟合.zip 自学案例 可以直接使用 已包含数据集 Matlab 深度学习 BP神经网络 神经网络 SVM 特征提取 分类 回归预测 粒子群算法 小波神经网络

BP神经网络的非线性系统建模-非线性函数拟合.zip 自学案例 可以直接使用 已包含数据集 Matlab 深度学习 BP神经网络 神经网络 SVM 特征提取 分类 回归预测 粒子群算法 小波神经网络

B样条函数拟合matlab代码