此例可采用BP神经网络算法用于设备故障类型的模式识别程序。 本次为变压器故障（均为低压测故障）类型的识别。

超弹性形状记忆合金循环特性的BP神经网络模型，任文杰，贾茹，超弹性形状记忆合金的滞回性能在循环加卸载中逐渐变化。现有的循环本构模型具有参数确定困难和预测精度不高的缺陷。本文对超弹性

BP神经网络整定的PID算法，根据BP神经网络的算法对系统进行智能控制

BP神经网络预测，Python实现，多输入多输出，实现空气污染物预测等

行业制造-电动装置-一种基于EMD和BP神经网络的电机轴承故障辨识方法.zip

【预测模型】基于 bp神经网络风电功率预测matlab源码.md

【树叶分类】基于BP神经网络植物叶片识别分类matlab源码含GUI.md

本基于BP神经网络和卷积神经网络对手写数字识别进行研究，使用10000张已标注的大小为28*28的手写数字图片进行训练和测试，从所有图片中随机选出9000张作为训练样本对网络进行训练，另外1000张作为测试样本用于测试网络的识别效果。其中BP神经网络采用了逐像素特征提取法、数字骨架特征提取（包括粗网格特征提取、笔画密度提取、外轮廓特征提取、像素百分比特征提取四种方法）以及主成分分析法提取像素特征信息，将获得的特征信息作为网络输入进行训练。在Matlab环境下，编程分别对训练样本进行训练，测试样本进行测试识别，得到分类结果和正确率，然后对每种结果进行对比，可比较BP神经网络和卷积神经网络的优劣性

关于BP神经网络的数据分类。提供了详细说明和例程。

包含BP神经网络实现、训练代码以及随机生成数据集和多组对照实验的代码