癫痫脑电分类的课题在生物医学信号处理和机器学习领域很火。这个资源使用了美国儿童医院CHB-MIT数据集，所以首先你得先下载了这个数据集。太大了，资源放不下。 这个资源有癫痫分类的完整过程，包括从CHB-MIT数据集中取出数据，使用var做数据异常检验，利用低通滤波器和归一化函数对数据预处理，提取数据特征，构建1D-CNN卷积神经网络模型，利用数据训练模型，展示模型训练效果。 资源适合做这方面研究的同学，算是入门人工智能入门级的。

基于遗传算法优化BP神经网络的数据分类预测（Matlab完整程序和数据） 基于遗传算法优化BP神经网络的数据分类预测（Matlab完整程序和数据） 基于遗传算法优化BP神经网络的数据分类预测（Matlab完整程序和数据） 运行版本2018及以上

人脸识别 这个仓库是使用TensorFlow 2.0框架，并基于 论文上完成的，其中主要分为四大块：人脸检测、人脸矫正、提取特征和特征比对。各个模块的大小和在我的 17 款 macbook-pro 的 CPU 上跑耗时如下： 人脸检测：使用的是 mtcnn 网络，模型大小约 1.9MB，耗时约 30ms； 人脸矫正：OpenCV 的仿射变换，耗时约 0.83ms； 提取特征：使用 MobileFaceNet 和 IResNet 网络，耗时约30ms； 特征比对：使用曼哈顿距离，单次搜索和完成比对耗时约 0.011 ms； 注册人脸 注册人脸的方式有两种，分别是: 打开相机注册: $ python register_face.py -person Sam -camera 按 s 键保存图片，需要在不同距离和角度拍摄 10 张图片或者按 q 退出。 导入人脸图片: 保证文件的名字与注册人名相

基于Tensorflow（卷积神经网络）识别花卉图片 数据文件在ModelJS文件夹里，已经加了两个批处理文件，需要先运行代码再依次打开

本资源是离散Hopfield神经网络的联想记忆—数字识别的matlab仿真，Hopfield网络作为一种全连接型的神经网络，增经为人工神经网络的发展开辟了新的研究途径。它利用与阶层神经网络不同的结构特征和学习方法，模拟生物神经网络的记忆机理，获得了令人满意的结果。

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

适合初学者，matlab神经网络工具箱

基于BP神经网络的数据回归预测（Matlab完整程序和数据） 基于BP神经网络的数据回归预测（Matlab完整程序和数据） 基于BP神经网络的数据回归预测（Matlab完整程序和数据）

基于BP神经网络的数据分类预测（Matlab完整程序和数据） 基于BP神经网络的数据分类预测（Matlab完整程序和数据） 基于BP神经网络的数据分类预测（Matlab完整程序和数据）

基于BP神经网络的时间序列预测（Matlab完整程序和数据） 基于BP神经网络的时间序列预测（Matlab完整程序和数据） 基于BP神经网络的时间序列预测（Matlab完整程序和数据）