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。

人工神经网络是一种应用类似于大脑神经突触联接的结构进行信息处理的数学模型。在工程与学术界也常直接简称为神经网络或类神经网络。神经网络是一种运算模型，由大量的节点（或称神经元）和之间相互联接构成。每个节点代表一种特定的输出函数，称为激励函数（activation function）。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重，这相当于人工神经网络的记忆。网络的输出则依网络的连接方式，权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达。

适合在校大学生初步实验使用，将此程序直接粘贴到Matlab的m文件中，便可直接运行，得到结果，本人已在博客中发表“与”运算实验，神经网络网址如下https://blog.csdn.net/weixin_41529093/article/details/86713335建议学有余力的同学不要下载，通过看我的博文，自己编出“或”运算代码，

人工神经网络理论、设计及应用（韩力群）,电子教案，非常好。

利用matlab实现人工神经网络，程序清晰易懂，内涵多个程序可做为人工神经网络工具箱使用

讲BP神经网络的，PPT，很通俗易懂的，开始接触ANN的时候就是看这个，还不错！

概述了利用Matlab神经网络算法，对图像进行特征提取的原理及方法

第一章 人工神经网络………………………………………………… 3 §1.1人工神经网络简介………………………………………………………… 3 1．1 人工神经网络的起源 …………………………………………………… 3 1．2 人工神经网络的特点及应用 …………………………………………… 3 §1.2人工神经网络的结构………………………………………………… 4 2．1 神经元及其特性………………………………………………………… 5 2．2 神经网络的基本类型 ……………………………………………… 6 2.2.1 人工神经网络的基本特性…………………………………… 6 2.2.2 人工神经网络的基本结构…………………………………… 6 2.2.3 人工神经网络的主要学习算法……………………………… 7 §1.3人工神经网络的典型模型 ………………………………………………7 3．1 Hopfield网络………………………………………………………… 7 3．2 反向传播(BP)网络…………………………………………………… 8 3．3 Kohonen网络………………………………………………………… 8 3．4 自适应共振理论(ART)…………………………………………………… 9 3．5 学习矢量量化（LVQ）网络………………………………………… 11 §1.4多层前馈神经网络（ＢＰ）模型………………………………………… 12 4．1 BP网络模型特点 …………………………………………………… 12 4．2 BP网络学习算法……………………………………………………… 13 4.2.1信息的正向传递……………………………………………… 13 4.2.2利用梯度下降法求权值变化及误差的反向传播……………… 14 4．3 网络的训练过程……………………………………………………… 15 4．4 BP算法的改进……………………………………………………… 15 4.4.1附加动量法……………………………………………………… 15 4.4.2自适应学习速率………………………………………………… 16 4.4.3动量-自适应学习速率调整算法……………………………… 17 4．5 网络的设计……………………………………………………………… 17 4.5.1网络的层数………………………………………………… 17 4.5.2隐含层的神经元数…………………………………………… 17 4.5.3初始权值的选取……………………………………………… 17 4.5.4学习速率………………………………………………………… 17 §1.5软件的实现……………………………………………………………… 18 第二章 遗传算法………………………………………………………19 §2.1遗传算法简介………………………………………………………………19 §2.2遗传算法的特点………………………………………………………… 19 §2.3遗传算法的操作程序………………………………………………………20 §2.4遗传算法的设计……………………………………………………………20 第三章 基于神经网络的水布垭面板堆石坝变形控制与预测 §3.1概述…………………………………………………………………………23 §3.2样本的选取……………………………………………………………… 24 §3.3神经网络结构的确定………………………………………………………25 §3.4样本的预处理与网络的训练…………………………………………… 25 4．1 样本的预处理……………………………………………………… 25 4．2 网络的训练 …………………………………………………… 26 §3.5水布垭面板堆石坝垂直压缩模量的控制与变形的预测…………………30 5．1 面板堆石坝堆石体垂直压缩模量的控制……………………………30 5．2 水布垭面板堆石坝变形的预测…………………………………… 35 5．3 BP网络与COPEL公司及国内的经验公式的预测结果比较… 35 §3.6结论与建议……………………………………………………………… 38 第四章 BP网络与遗传算法在面板堆石坝设计参数控制中的应用 §4.1 概述………………………………………………………………………39 §4.2遗传算法的程序设计与计算………………………………………………39 §4.3结论与建议…………………………………………………………………40 参考文献…………………………………………………………………………

ANN程序 MATLAB语言 用于数据处理 只要换数据就能用

人工神经网络 基于CNN卷积神经网络 基于Python 实现图片验证码的识别