基于RBF和BP神经网络整定PID控制比较，张文霞，袁健，通过BP神经网络和RBF神经网络在MATLAB仿真软件下对相同被控对象的近似数学模型进行PID控制整定的效果比较出两种神经网络算法的各自优�

针对齿轮故障信号的能量所引起的变化会淹没在常规振动与噪声之中，用传统的信号处理方法不易提取故障特征，给齿轮的故障诊断带来很大困难这-事实，本文描述了用于从振动信号中提取故障信息的小波包和用于识别故障类型的BP网络，研究了BP网络故障模式识别与小波包故障特征提取结合在-起对齿轮故障进行诊断的方法。研究结果表明该方法可以成功地用于齿轮常见故障的识别和诊断。

为有效地预测烟蚜发生量，利用BP神经网络理论和方法建立了烟蚜发生量预测模型，并运用QPSO算法优化BP神经网络的连接权值和阈值，以此确定最优连接权值和阈值?应用该模型以云南省玉溪市红塔区2003―2006年的烟蚜发生量历史数据为训练样本，对2007―2009年烟蚜发生量进行预测，其预测精度为99．35%，最小完成时间30s，平均完成时间34．5s，运行次数19次，预测效果明显优于其他预测模型?实验表明：该模型比其他预测模型预测结果更有效可行，收敛速度更快，稳定性更强，能解决预测?聚类方面的类似问题，为烟蚜

基于BP神经网络的数据预测仿真,BP网络自己用m文件编程实现,没有使用MATLAB的神经网络工具箱+含代码操作演示视频 运行注意事项：使用matlab2021a或者更高版本测试，运行里面的Runme.m文件，不要直接运行子函数文件。运行时注意matlab左侧的当前文件夹窗口必须是当前工程所在路径。具体可观看提供的操作录像视频跟着操作。

上海大学-智能系统控制（计算机专业课）-智能系统控制实验六-BP网络逼近仿真实例与BP网络模式识别仿真实例-matlab实现及报告 包含源代码 实验代码 实验分析 实验结果 结论 可直接运行

该实验报告是基于matlab仿真工具，实现单层神经网络的仿真，从而详细讲解BP算法的原理。采用BP算法实现对信号的学习。BP神经网络是一个信号单向传播的多层前馈式误差反向传播神经网络。BP算法的基本思想是最小二乘法，它采用梯度搜索技术，使得网络的实际输出和理想输出的误差均方值为最小。其学习过程分两个过程：一是信号的正向传输，二是误差的反向传输。在信号的正向传输过程中，输入信号从输入层经隐含逐层处理，并传向输出层，每个神经元的状态只影响下一层神经元的状态，若输出层不能得到期望的输出，则转向反向传输，来不断修正各层神经元的权值使误差信号不断减小。

安全技术-网络信息-融合排水知识的BP网络与水力模型在城市内涝模拟中的研究.pdf

利用粒子群算法优化bp网络，使得网络更加精确

针对用BP神经网络进行预测时权值难以确定的问题,提出了一种基于将灰色理论与BP神经网络相结合的预测算法。采用数量研究法,选取重庆市某供电局1999年到2006年的售电量作为样本,利用不同的灰色模型对样本进行预测,再选出预测的最优值对BP网络进行训练,最后用已训练好的BP网络对样本数据进行预测。经实例预测表明:灰色理论与BP网络相结合的预测精度与单一的预测模型相比有了明显的改进,该算法在理论和实践应用中都是可行的,并为电力部门的生产运行和规划提供了重要的参考。

基于PSO优化的BP网络的数据预测仿真，matlab2021a测试通过