低速率拒绝服务（LDoS,low-rate denial of service）攻击是一种降质服务（RoQ,reduction of quality）攻击，具有平均速率低和隐蔽性强的特点，它是云计算平台和大数据中心面临的最大安全威胁之一。提取了LDoS攻击流量的3个内在特征，建立基于BP神经网络的LDoS攻击分类器，提出了基于联合特征的LDoS攻击检测方法。该方法将LDoS攻击的3个内在特征组成联合特征作为BP神经网络的输入，通过预先设定的决策指标，达到检测LDoS攻击的目的。采用LDoS攻击流量专用产生工具，在NS2仿真平台和test-bed网络环境中对检测算法进行了测试与验证，实验结果表明通过假设检验得出检测率为 96.68%。与现有研究成果比较说明基于联合特征的LDoS攻击检测性优于单个特征，并具有较高的计算效率。

为了利用测井信息识别潘庄地区的沉积特征,通过对潘庄区块钻井取芯和测井等资料的分析,建立了潘庄区块的山西组沉积微相模式。在此基础上,提取出已知沉积微相的自然伽马测井曲线的特征参数,运用MATLAB中的BP神经网络模型,把所提取的特征参数作为训练样本,运用所得网络模型对其他井的沉积微相进行解释。

模式识别高分课程设计，利用BP神经网络对0-9的手写数字图像数据进行分类。 图像数据存放在Img的文件夹中，0-9每个数字各有55个样本，共550个图像样本数据。文件中的all_data.mat是为了对这些图像数据全部提取到MATLAB的工作区中，以便于MATLAB对数据的处理。载入后是一个4维的900×1200×10×55的阵列，900×1200为每一张图像的尺寸/分辨率，10指的是为0-9的10类图像，55是每一类的样本数目； 代码中有详细注释，整个过程分为：①载入图像数据；②裁剪图像的无效信息；③特征选择和提取；④特征预处理；⑤划分数据集；⑥网络训练；⑦网络测试；⑧用户验证过程 网络经多次测试后对训练样本和测试样本的分类准确率均在95%以上，MATLAB自建BP神经网络，代码每个过程都有注释详解，有利于读者对BP神经网络有更好的把握。 在用户验证过程中，向客户提供验证端口，读者在读懂代码的基础上，可以继续在此做一个UI界面或者接口，作为课程设计的话将会更加完善。

前馈网络反向传播算法的实例，三输入两输出

使用 MATLAB 软件和 Open CV 开源库搭建实现 A-PCA+BP神经网络的人脸识别系统，系统能够实时检测人脸与识别。

摆动电机是一种直流无刷的有限转角电机，它是特种电机的一种。它的执行机构能很好的适应环境，精度高，响应速度快。在非线性系统中，提出一种基于BP前馈网络模糊PID方法来提高系统稳定性和克服参数不确定性。利用BP神经网络对模糊PID控制器的参数和非线性进行调节补偿，从而减少模糊控制器对切换项的增益的需求。分析BP神经模糊PID中，BP神经网络，模糊算法和PID控制如何优化、互补和配合。最后用matlab仿真结果来说明BP前馈神经网络模糊PID控制器具有无超调、稳定性强、很好的抗干扰等优点，并非线性系统具有一定鲁棒性。

基于MATLAB的交通标志识别（选颜色定位，分割，bp神经网络方法识别，可模板，sift，svm等方法识别）

擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真。

自己编的MATLAB前馈型神经网络算法，直接点击运行就可以用了，可以自己学习哦！

BP神经网络模型Python代码