通过对人脑认知方式的研究，将生物神经与数学建模相结合的研究方法，在自主调节发育网络中融入决策计算模型来构建智能体，实现网络无需训练数据，可自主在环境中发育学习，根据需要动态的添加新的神经元节点，最终以更小的代价完成任务。

本文采用模仿人类大脑发育的发育神经网络模型实现机器人导航功能，采用监督学习和强化学习相结合的方式进一步减少了人类制定训练数据的工作量，人类只需要教授智能体一部分数据，

基于Hopfield神经网络实现机器人路径规划

风速预测，毕业设计，BP神经网络，wind speed

人体的视觉系统是一个相当神奇的存在，对于下面的一串手写图像，可以毫不费力的识别出他们是504192，轻松到让人都忘记了其实这是一个复杂的工作。 实际上在我们的大脑的左脑和右脑的皮层都有一个第一视觉区域，叫做V1，里面有14亿视觉神经元。而且，在我们识别上面的图像的时候，工作的不止有V1，还有V2、V3、V4、V5，所以这么一看，我们确实威武。 但是让计算机进行模式识别，就比较复杂了，主要困难在于我们如何给计算机描述一个数字9在图像上应该是怎样的，比如我们跟计算机说，9的上面是一个圈，下右边是1竖。然而有的人写9会带勾，有的人还会在圈周围多出点什么，总的来说，这种描述法太容易出现其他状况。况且

python写的手写数字识别，建了一个CNN的神经网络

基于最新的tensorflow·2.0框架下的全卷积神经网络，十分适合小白用户查看。一看即懂。代码优化十分简单，没有掺杂复杂建模，一个程序运行到底！

用蚁群算法优化BP神经网络，然后用于预测，非常实用，适合初学者。

神经网络PID控制及其Matlab仿真.pdf

天牛须优化算法及其对BP神经网络的优化。