卷积神经网络在图像识别应用，此压缩包包括代码。

gitchat资料。从零开始学习BP神经网络。 本文主要叙述了经典的全连接神经网络结构以及前向传播和反向传播的过程。通过本文的学习，读者应该可以独立推导全连接神经网络的传播过程，对算法的细节烂熟于心。另外，由于本文里的公式大部分是我自己推导的，所以可能会有瑕疵，希望读者不吝赐教。   虽然这篇文章实现的例子并没有什么实际应用场景，但是自己推导一下这些数学公式对理解神经网络内部的原理很有帮助，继这篇博客之后，我还计划写一个如何自己推导并实现卷积神经网络的教程，如果有人感兴趣，请继续关注我！

模糊神经网络代码，m文件。。

用c#实现卷积神经网络，可以训练识别图片，代码按照卷积神经网络算法思路撰写，准确率

MATLAB 车牌识别代码加神经网络识别分割后的字符，课程作业，拿来分享

bpnn神经网络代码，是深度学习中一种比较常用的反馈神经网络模型

完整的遗传算法GA优化BP神经网络的代码，带数据，简单易懂，可修改

手写数字识别MNIST数据集，内含t10k-images-idx3-ubyte.gz等四个压缩文件以及卷积神经网络识别代码。

循环神经网络代码RNN-超全注释 #inputs t时刻序列，也就是相当于输入 #targets t+1时刻序列，也就是相当于输出 #hprev t-1时刻的隐藏层神经元激活值 def lossFun(inputs, targets, hprev): xs, hs, ys, ps = {}, {}, {}, {} hs[-1] = np.copy(hprev) print('hs=',hs) loss = 0 #前向传导 inputs 6xn for t in range(len(inputs)):

小波神经网络代码-交通流预测 （解压后chater23）