为了解决居民垃圾分类知识储蓄不足，难以对垃圾进行分类的问题，开发一款 Android 平台的应用软件，以满足居民对日常生活垃圾分类的需要。在 Android 本地部署垃圾分类神经网络模型 ResNeXt-101-32x16d-wsl 实现实时智能垃圾分类，同时在 Android 本地使用 SQLite 存储垃圾物品信息，实现离线文字查询垃圾类别，同时借助“讯飞开放平台”的语音识别功能和本地SQLite 数据库实现语音查询垃圾类别功能。Android 开发采用 Jetpack 组件和 MVVM 模式，经测试，软件及其各模块功能均能正常运行，能够实现辅助居民对垃圾物品进行分类。

由Poonam Sharma和Akansha Singh所写：深度学习在各种机器学习和计算机视觉应用中取得了显着的成功。 学习允许多个处理层自己学习功能，与传统的机器学习方法相反，而传统的机器学习方法无法以自然形式处理数据。 深度卷积网络在处理图像和视频方面表现出色，而循环神经网络在顺序数据方面取得了巨大成功。 本文回顾了迄今为止在该领域所做的所有方面和研究以及未来的可能性。

研究了离焦量、脉冲能量、扫描间距、扫描速度和重复频率等激光加工参数对金属表面着色及微纳结构制备的影响机理，诱导制备了氧化膜、类光栅、凹坑和柱状突起4种结构，这些结构会使不锈钢表面产生薄膜干涉、光栅衍射和陷光等现象。通过Matlab软件在工艺参数与颜色HSB值之间建立了一个单隐含层的反向传播（BP）神经网络，该神经网络的训练均方根误差为0.0078，色相H、饱和度S和亮度B的测试相对误差分别为23%，10.4%和5.6%。该神经网络在一定程度上揭示了工艺参数与颜色之间的映射关系，使用该神经网络模型可以对激光着色效果作出有效的预测。

用遗传算法GA训练BP神经网络的程序，非常实用的MATLAB代码

matlab当中使用循环进行bp神经网络的编程，不使用工具箱加深对于神经网络的理解

基于MATLAB的用神经网的方法实现数字识别（代码+PPT）

SVM神经网络的信息粒化时序回归预测 matlab程序 供大家学习