pso-elm（粒子群算法优化极限学习机）

基于bp神经网络的手写字体识别 有图像 有文献说明 适合新手使用练手.

在智能领域，大部分问题都可以归结为优化问题。常用的经典优化算法都对问题有一定的约束条件，如要求优化函数可微等，仿生算法是一种模拟生物智能行为的优化算法，由于其几乎不存在对问题的约束，因此，得到广泛应用。本次毕业设计将基于群体智能的粒子群优化算法作为研究课题，主要任务及目标为：熟悉和掌握基本粒子群优化算法的基本原理，分析影响算法性能的参数，熟悉基本粒子群优化算法的改进算法和改进策略，利用Matlab科学计算语言进行算法仿真，掌握科学研究的基本过程和方法。提出一种改进的粒子群优化算法，并进行仿真比较。

Matlab车间动态调度PSO微粒群算法程序最后输出优化结果和甘特图，matlab2021测试。

基于PSO粒子群优化的kmeans的聚类仿真，matlab2021a仿真测试。

BP神经网络拟合预测，适合初学者

该实验报告是基于matlab仿真工具，实现单层神经网络的仿真，从而详细讲解BP算法的原理。采用BP算法实现对信号的学习。BP神经网络是一个信号单向传播的多层前馈式误差反向传播神经网络。BP算法的基本思想是最小二乘法，它采用梯度搜索技术，使得网络的实际输出和理想输出的误差均方值为最小。其学习过程分两个过程：一是信号的正向传输，二是误差的反向传输。在信号的正向传输过程中，输入信号从输入层经隐含逐层处理，并传向输出层，每个神经元的状态只影响下一层神经元的状态，若输出层不能得到期望的输出，则转向反向传输，来不断修正各层神经元的权值使误差信号不断减小。

MATLAB基于BP神经网络PID控制程序

简单的BP神经网络代码，希望能帮助到初学者 。

安全技术-网络信息-污泥气化合成气生成特性及其BP神经网络预测模型研究.pdf