基于BP神经网络的无约束优化方法

基于matlab代码的BP网络预测和建模，带入数据即可直接运行

【预测模型】基于差分进化算法优化BP神经网络实现数据预测matlab源码.zip

使用bp神经网络逼近椭圆，但只做到了逼近半个椭圆，希望大家改进

针对健康数据种类日益增多，而统计学算法不能实现所有数据种类的特征提取与健康状态评估的问题，文中提出了基于卷积与BP神经网络的健康数据分析算法来评估用户的健康状态。对健康数据类型进行分析，总结为数字、文本、图像3种模态的数据类型，并分别针对这3种数据类型进行基于卷积神经网络的数据特征表征模型的构建。经过特征融合，利用多元高斯分布定义健康状态的划分，并利用BP神经网络构建健康数据分析算法。通过在样本数据上的测试结果表明，与朴素贝利斯模型对比，文中所述健康数据分析算法具有较高的准确率，使用多模态数据较单一数据类型的健康评估结果更优，其准确率约为84.2 %。

基于动量BP神经网络技术,设计出了一种用于混沌系统同步的神经网络控制器,实现了混沌系统的同步控制。利用动量BP神经网络加快了同步速度,然后将混沌同步控制技术应用在Lorenz系统的保密通信中。仿真实验验证了本文所提方法在混沌保密通信应用中可行性与有效性。

针对常规PID控制器和模糊PID控制器存在控制精度差、不能自适应、模糊规则难以确定等问题，本文提出一种基于RBF模糊神经网络的PID自整定控制算法，RBF模糊神经网络参数先采用遗传算法粗调，达到预定精度后，继续使用BP算法提高精度。通过在MATLAB中进行神经网络训练和PID仿真实验，表明了改进RBF模糊神经网络PID控制器具有收敛速度快、能够自适应、控制精度高等优点，具有一定的可行性。

BP译码 用于神经网络 LDPC基于GALLAGA最为经典的译码方法

为减轻日益严重的交通拥堵问题，实现智能交通管控，给交通流诱导和交通出行提供准确实时的交通流预测数据，设计了基于长短时记忆神经网络（LSTM）和BP神经网络结合的LSTM-BP组合模型算法.挖掘已知交通流数据的特征因子，建立时间序列预测模型框架，借助Matlab完成从数据的处理到模型的仿真，实现基于LSTM-BP的短时交通流精确预测.通过与LSTM\BP\WNN三种预测网络模型的对比，结果表明LSTM-BP预测的时间序列具有较高的精度和稳定性.该模型的搭建，可对交通分布的预测、交通方式的划分、实时交通流的分配提供依据和参考.

主要是包含bp神经网络入门的ppt以及3个案例，案例均包含有文字解释，需要用到matlab软件，部分资料来自网络。