实现一个多层的BP神经网络，将处理线性不可分二分类处理问题是在一个正方形内划一个圆分为两部分进行分类 具有保存参数的功能。每层的个数可设定，层数固定。

具有动量和任意数量输入单元、隐藏层和输出单元以及隐藏层中任意数量神经元的多层反向传播神经网络的模糊控制。 模糊推理系统被用作加速多层反向传播神经网络与 Momentum 的收敛的解决方案。 模糊控制器用于基于启发式解决方案并根据误差表面的形状自动调整学习率参数。 反向传播模糊控制背后的中心思想是以模糊 if then 规则的形式实现启发式算法。 这是使用误差和误差变化作为变量并进一步将它们与基于误差面值的类相关联来完成的。 模糊控制器的几个隶属函数被实现，它们相应地对误差和误差变化进行分类以调整更新到下一次迭代的学习率参数导致快速收敛。 实现基于以下论文中提出的概念： [1]。 反向传播的模糊控制Payman Arabshahi、Jai J Choi、RJ Marks、Thomas P Caudell IEEE 模糊系统国际会议 1992，第 967-972 页 [2]。 神经系统

这是用python实现的多层BP神经网络，详细简介： 1）层数、输入神经元个数、隐藏层神经元个数、输出神经元个数可定制； 2）隐藏层激励函数可选：tanh、logistic，可自行拓展到字典中； 3）内含多分类编码器，多分类数据集类标无需编码可直接输入输出； 4）输出层激励函数固定为sigmoid，在predict方法可以设置是否返回概率值。 初学机器学习，如编写有问题请不吝赐教，如果有疑问也欢迎讨论，QQ：1642990705

多层前馈神经网络bp(back propagation)代码附带数据集，matlab版本