人工智能-项目实践-鸢尾花分类-Python 基于BP神经网络实现鸢尾花的分类 本文用Python实现了BP神经网络分类算法，根据鸢尾花的4个特征，实现3种鸢尾花的分类。 算法参考文章：纯Python实现鸢尾属植物数据集神经网络模型 iris_data_classification_bpnn_V1.py 需使用 bpnn_V1数据集 文件夹中的数据 iris_data_classification_bpnn_V2.py 需使用 bpnn_V2数据集 文件夹中的数据 iris_data_classification_knn.py 需使用 原始数据集 文件夹中的数据 iris_data_cluster_sklearn.py 需使用 sklearn数据集 文件夹中的数据 不同数据集里数据都是一样的，只是为了程序使用方便而做了一些格式的变动。

简简单单的最强密码

鲸鱼算法优化bp神经网络，内涵鲸鱼算法优化后的代码和未经经与算法优化的bp神经网络的对比，同时对神经网络的隐含层数目进行了优化，大大提升了神经网络的性能。可用来做回归预测类问题。

bp神经网络的车牌识别

该资源采用BP神经网络进行人脸识别应用发展，给出20张测试集与30张训练集，训练效果能达到不错的等级！

建立一个网络结构可变的BP神经网络通用代码： 在训练时各个参数的意义： hidden_floors_num：隐藏层的个数 every_hidden_floor_num：每层隐藏层的神经元个数 learning_rate：学习速率 activation：激活函数 regularization：正则化方式 regularization_rate：正则化比率 total_step：总的训练次数 train_data_path：训练数据路径 model_save_path：模型保存路径 利用训练好的模型对验证集进行验证时各个参数的意义： model_save_path：模型保存路径 validate_data_path：验证集路径 precision：精度 利用训练好的模型进行预测时各个参数的意义： model_save_path：模型的保存路径 predict_data_path：预测数据路径 predict_result_save_path：预测结果保存路径

python实现BP神经网络回归预测模型，使用BP神经网络的实现手写数字识别，一万字报告，matlab. Although BP neural network performs well in handwritten numeral recognition, it can not be ignored that the weights and thresholds of BP neural network are initialized randomly, which is easy to lead to unstable fitting effect. Moreover, it is easy to make the training of weights and thresholds of BP neural network fall into local area because of gradient descent Optimum. So in this experiment, GA genetic algorithm is used to optimize the in

Tensorflow实现的简单BP神经网络模型，记录实现训练与测试损失.以及测试精度等信息。

使用bp神经网络预测股票价格。BP neural network is used to predict the stock price.将其应用到股价数据集上。

该课题为基于Matlab的神经网络汉字识别系统。是用bp神经网络。带有一个人机交互界面，输入测试图片，进行预处理，读取隐含层等信息，进行信息识别的输出。