尖峰神经网络转换工具箱 SNN转换工具箱（SNN-TB）是一个框架，可将基于速率的人工神经网络转换为尖峰神经网络，并使用各种峰值编码来运行它们。 SNN-TB的一个独特功能是，它接受来自许多不同的深度学习库（Keras / TF，pytorch等）的输入模型，并为多个后端提供接口以进行仿真（pyNN，brian2等）或部署（SpiNNaker，Loihi）。 请参考以获取完整的用户指南和API参考。 另请参阅随附的文章和 。

神经网络的时间序列分析 重点比较ANN，RNN，LSTM和LSTM在时序分析中的表现 在这个项目中，我建立并比较了四种类型的ANN模型：具有Attention的完全连接的ANN，RNN，LSTM，LSTM。 有两个包含时间序列的数据集。 目的是建立深度神经网络，该网络可以学习数据中的时间模式并预测未来观察的价值。 对于那些模型，我比较了预测的准确性和训练过程的速度。 请参考Report.pdf了解详细说明和参考。 为了构建神经网络，我使用python keras库。 为了实现注意力机制，我使用了Christos Baziotis的。

梯度下降法编写ANN代码（matlab），能用于进行负荷预测等工作。

本资源已经过调试，可以运行； 文件包含ann_bp.h ann_bp.cpp main.cpp C++工程需要你自己建，文件添加已有文件就可以了，环境简单，保证头文件包含正确就可以 原文地址BP神经网络原理及C++代码实现： https://blog.csdn.net/ap1005834/article/details/52951501

使用ANN，多元线性回归和XGBoost_regression预测超导临界温度-K 我已经使用ANN，多重Liniear回归和XGBoost_regression来预测超导体材料的临界温度。

人工神经网络 BP算法 c++实现，例子是电力负荷预测。

matlab+ann源码汽车管 AutoTube 量化血管参数，例如血管面积、宽度、骨架长度或组织中或体外分析中血管网络的分支点数量。 AutoTube 是免费提供的，包括一个直观的图形用户界面 (GUI)，有助于以快速、自动化的客观和可重复的方式执行其他非常耗时的图像分析。 该存储库包含运行 AutoTube 所需的源文件以及了解 AutoTube 功能的手册。 如果您使用 AutoTube，如果您引用以下论文的适当子集，我们将不胜感激： @article{einstein, author = {Javier A. Montoya-Zegarra and Erica Russo and Peter Runge and Maria Jadhav and Ann-Helen Willrodt and Szymon Stoma and Simon F. Nørrelykke and Michael Detmar and Cornelia Halin}, title = {AutoTube: a用于组织中血管网络自动形态计量分析的新型软件}，期刊 = {血管生成期刊}，卷 = {X}，数量

Ann分类器matlab代码ANN2SNN 重现matlab代码 引用“Diehl, PU and Neil, D. and Binas, J. and Cook, M. and Liu, SC and Pfeiffer, M. Fast-Classifying, High-Accuracy Spiking Deep Networks Through Weight and Threshold Balancing, IEEE International Joint Conference on神经网络 (IJCNN)，2015 年” pytorch ANN 到 pytorch SNN。 我希望你喜欢它。

负荷预测：使用MATLAB（ANN）进行负荷预测

Qt5下解决中文乱码的程序，可以参考其中解决乱码的方法 源程序的原作者是陈琦，经过修改后能在Qt5.0 beta2下（VS2010的编译器）编译通过而且解决了其中的中文乱码问题。传上来的目的是如果有人用QT5中文乱码，而且刚好是VS2010编译器，无从下手时，可以看程序代码中的解决办法。