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

bp神经网络BP神经网络的logsig函数和其导数函数.m

基于分词与BP网络的文本分类 首先下载整个文件，BP文本分类-语义特征提取.rar主要存放了相关的数据集 代码主要包括： 1.特征提取 首先对文本信息进行分词处理，采用基于字符串匹配的方法： 依次截取一到多个词，并与字典库进行匹配。如二狗，如果匹配到字典中有这个词，则将其分为一个词；发现字典中没有与之匹配的，则说明这个不是一个词语，进行顺序操作， 2.得到分词后的文本之后，就是转换成数字编码，因此电脑没办法识别汉字。这一部分叫特征表示，即用数字的方式表示中文文本，采用的方法是基于词带模型的特征表示 3.通过2我们将文本表示成了数字，但是这样的表示通常都是稀疏的，为此我们利用降维方法，消除掉这些冗余特征。 4. 文本分类，采用的就是bp网络（1）如pca的降维数，维数过高，包含冗余数据，过低又会删除掉重要信息。（2）bp网络结构的调整，如隐含层节点数，学习率等