BP神经网络实现测试数据预测

Neural Network Programming in Java 一共有9个章节，一步步教您如何用java编写神经网络。

BP神经网络-Python实现：经典的BP神经网络通常由三层组成: 输入层， 隐含层与输出层.通常输入层神经元的个数与特征数相关，输出层的个数与类别数相同， 隐含层的层数与神经元数均可以自定义。

一篇论文分享,:针对具有时滞一阶非最小相位系统的被控对象, 提出了一种基于神经网络的 PID 复合智能控制设计方案, 推导出复合 PID 控制器控制参数的整定方法.考虑到被控对象的不确定性、慢时变等特点, 以神经网络元构造基于自动化复合 PID 控制器, 解决了基于自动化复合 PID 控制参数在线调整的问题, 使复合 PID 控制器适用范围更广泛.对闭环控制系统模拟结果表明, 该系统控制参数整定方法简单, 具有非常好的控制效果.

是数据挖掘实验课上的一个作业，垃圾邮箱分类，给了57个属性1个分类目标，0是垃圾邮箱1不是，给了训练集和测试集，用的C++写的神经网络，并用遗传算法优化了，正确率96.5%，但是时间较长

BP 神经网络一看就明白，在上面改进，很好的学习方法。

用BP神经网络进行函数拟合，选用了三层前馈网络，使用BP算法对参数权值进行修正，得到的结果能够在点精度上达到99.99%，总精确度可以通过调节程序中的参数进行修改

这是用matlab训练BP神经网络的一个小例子，自己可以试着换下数据集做自己的预测，感谢分享，代码不易，且行且珍惜！

三层的BP神网络理论上可以拟合出任意的函数，此文件使用C++创建简单的BP神经网络，分为输入层次，中间层次，输出层三层。系数调整采用梯度下降法。

本课题设计主要实现5种神经网络模型：BP网络，线性神经网络，Hopfield网络，RBF网络，Elman网络。并开发一个图形用户界面系统能够动态演示相关神经网络模型的实现过程，给出了实现结果。 设计（研究）的重点与难点，拟采用的途径（研究手段）： 重点难点： 从众多的神经网络模型和网络算法中，选定几种合适的网络模型进行仿真和模拟；进行创建，训练和仿真；用训练函数来调整权值；选定用来训练的样本值；绘出分类图和误差分析图；对各种神经网络模型的优点和缺点进行比较分析。 采用途径：Matlab有出色的数值计算能力，用它来模拟和处理神经网络模型有着很高的效率，可以达到比较理想的效果。Matlab中有自带的神经网络工具箱，可以提高开发速度和效率。使用方便，高效。

BP神经网络的基本示例，包括如何训练。