基于颜色和BP神经网络的车牌定位和识别系统（程序，设计说明文档，ppt，供参考学习，严禁无脑copy） 第一章 引言 1.1车牌识别的研究意义 1.2车牌识别系统现状 1.3 车牌识别系统研究内容 1. 4 章节安排 第二章 基于颜色和BP神经网络的车牌定位 2.1 彩色图像显示 2.2 色彩空间RGB到Cr Cb的转换 2.3 BP神经网络原理 2.4基于Cr Cb的神经网络车牌定位 第三章 车牌字符定位与字符分割 3.1 图像投影技术 3.2 基于图像投影技术的车牌字符定位与分割技术 第四章 基于颜色和BP神经网络的字符识别 4.1 车牌字符库的建立 4.2 基于BP神经网络的字符识别 第五章 结论 参考资料 致 谢

全连接神经网络 应用 手写数字识别0〜9 使用mnist训练集 训练集为50000张图片 测试集为10000张图片 达到的效果拟合度99.70％，测试集上准确率98.38％ ，在训练了28个epoth获得 算法细节 使用反向传播算法计算梯度dw和db 采用L2正则化 采用随机梯度下降算法 min-batch大小为10 使用fmincg高级优化算法执行渐变下降的单次迭代 数据归一化 参数初始化 生成第l层的w和b，k为第l-1层的神经元个数 使用方差为1 / k的高斯分布生成w，方差为1的高斯分布生成b 这一定幅度加快了训练速度，详细联系作者 对输出层采用softmax层，得到每个类别概率分布的输出 更多测试细节 不同超参数得到的训练结果报告 详细数据报告联系作者 超参数 训练集上拟合度 测试集上准确率 训练的epoth数 未优化的bp神经网络 优化算法改变，将fminunc改成fmincg

安全技术-网络信息-神经网络BP算法的研究及在气象业务中的应用研究.pdf

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

安全技术-网络信息-融合群智能方法BP神经网络模型及其在股市预测中的应用.pdf

BP神经网络详解-最好的版本 非常好的文档

NET 的结构在“RVFLNs 的综合评估”中有描述张乐，PN Suganthan，信息科学学习系统在“Modified BP Algorithm”、Verma BK 和穆拉卡 JJ, 1994 这两种方法在这些代码中结合

利用simulink搭建的BP神经网络模型，亲测有效

手写数字图片训练集（三层BP神经网络应用）

利用Landsat7 ETM+遥感图像反射率和实测水深值之间的相关性,建立了动量BP人工神经网络水深反演模型,并对长江口南港河段水深进行了反演。结果表明:具有较强非线性映射能力的动量BP神经网络模型能较好地反演出长江口南港河段的水深分布情况;由于受长江口水体高含沙量的影响,模型对小于5 m的水深值反演精度较高,而对大于10 m的水深值反演精度较低。