健壮性包 通过安装pip ： pip install robustness 阅读文档： : robustness是我们（在中的）创建的一个软件包，用于灵活，轻松地进行训练，评估和探索神经网络。 我们几乎在我们所有的项目中都使用了它（无论它们是否涉及对抗训练！），并且它将成为我们即将发布的许多代码版本中的依赖项。 使用该库的一些项目包括： （ ） （ ） （ ） （ ） 我们将在一组演练和我们的API参考中演示如何使用该库。 该库提供的功能包括： 使用针对各种数据集/体系结构训练和评估标准模型和健壮模型。 该库还提供添加和。 python -m robustness.main --dataset cifar --data /path/to/cifar \ --adv-train 0 --arch resnet18 --out-dir /logs/check

MATLAB实现BiLSTM双向长短期记忆神经网络多特征分类预测（完整源码和数据） 数据为多特征分类数据，输入15个特征，分四类,程序乱码是由于版本不一致导致，可以用记事本打开复制到你的文件。 运行环境MATLAB2018b及以上。

BP人工神经网络以及基于BP人工神经网络的MIV变量筛选，用于建立预测模型以及关键工艺参数筛选

TPA会选择相关变量加权利用卷积捕获可变的信号模式。 注意力加权对bilstm的隐含层加权求和。出自论文Temporal Pattern Attention for Multivariate Time Series Forecasting

MATLAB患者癌症发病预测源码：单层竞争神经网络的数据分类

MATLAB实现TCN时间卷积神经网络时间序列预测（完整源码和数据） 数据为单变量时间序列数据， 运行环境MATLAB2020b及以上， 程序乱码是由于版本不一致导致，可以用记事本打开复制到你的文件。

针对传统基于人工遴选传统情感数据分析技术具有样本容量小、人为误差大、操作成本高及时效准确性难以保证的缺点，文中提出了一种基于网络数据挖掘和BP神经网络分类的情感数据分析系统。基于相应的数据处理技术，系统在机器人操作系统（ROS）上使用Kinect深度相机，完成了被检测对象心理数据的采集及预警。与传统人工参与的心理预警方式相比，该系统基于数据挖掘和智能计算技术，具有较高的准确性、实时性及自动化程度。

吴恩达神经网络与机器学习两门课程的所有PPT资源，其中神经网络PPT按照每个章节进行了整理（一节课有时只有2-3页，不方便整理），可以下载后一边学习一边做笔记，方便学习！！

系统地论述了神经网络控制、模糊逻辑控制和模型预测控制的基本概念、工作原理、控制算法，以及利用MATLAB语言、MATLAB工具箱函数和Simulink对其实现的方法。该书取材先进实用，讲解深入浅出，各章均有相应的例题，并提供了大量用MATLAB/Simulink实现的仿真实例

此代码可用于多输入多输出的非线性拟合，应用BP神经网络结构。程序可读性高，适合用于机器学习中非线性建模，