神经网络图像识别技术是随着当代计算机技术、图像处理、人工智能、模式识别理论等发展起来的一种新型图像识别技术。在进行图像识别之前需要利用数字图像处理技术进行图像预处理以及特征提取。本文选取字符图像0~9作为识别目标，对图像预处理过程进行了叙述，并在此基础上选取字符图像矩阵每行的与每列的黑色像素点之和以及图像欧拉数这两个特征作为BP神经网络的输入样本。经实验仿真表明图像的平均识别率为89%，这表明图像预处理的结果和提取的特征是合适的、有效的，设计的BP网络也较好的完成了模式分类识别工作。

遗传算法优化BP神经网络权值阈值.zip

【车牌识别】基于BP神经网络求解车牌识别问题含Matlab源码

传统故障诊断方法很难对无法建立数学模型的系统进行有效的故障诊断。为了有效诊断轴承的故障,提出了基于BP神经网络的轴承故障诊断方法。简单介绍了常用的故障诊断方法、BP神经网络的结构和学习算法,详细介绍了BP神经网络在轴承故障诊断中的应用方法。仿真结果表明,通过合理选择网络节点数和训练样本,可以有效检测出轴承的故障信息。

基于MATLAB 的BP 神经网络设计

论基于MATLAB 语言的BP 神经网络的改进算法

基于BP神经网络的客运量预测算法仿真,BP神经网络为自己编程实现，不使用MATLAB自带的工具箱，matlab2021a测试。

BP神经网络基本原理BP神经网络基本原理BP神经网络基本原理.

本发明公开了一种基于遗传算法优化BP神经网络的风电功率预测方法，从风电功率预测系统的数据处理模块中获取预测参考数据；对参考数据建立BP神经网络的预测模型，并采用多种群编码对应BP神经网络的不同结构，每个种群分别对神经网络权值阈值编码，生成不同长度的个体，用遗传算法中选择、交叉、变异操作进化优化每个种群，最后判断收敛条件并选择最优个体；再对BP神经网络初始化，用学习率可变的动量BP算法进一步训练网络直至收敛，利用该网络对风电功率进行预测；最后，还反复利用预测值，在一轮预测中进行多次预测实现了跨时间间隔的多步预测。本发明预测精度提高，计算时间减少，稳定性增强。

BP神经网络的非线性系统建模-非线性函数拟合-MATLAB代码与数据 使用BP神经网络进行非线性函数的拟合，只需要将BP神经网络计算内核更换成其他即可套用在其他问题上，方便易改，推荐使用！！ BP(back propagation)神经网络是1986年由Rumelhart和McClelland为首的科学家提出的概念，是一种按照误差逆向传播算法训练的多层前馈神经网络，是目前应用最广泛的神经网络。