EBP反向传播算法对应的源程序，三层网络，分隐层神经元，输出层神经元，输入层神经元的一个基本的程序实现

用vb编写的一个遗传算法的程序，大家可以参考-prepared with a genetic algorithm of the procedure, we can refer to

Matlab fuzzy control progrom.

遗传算法（C++版），非常好的！-genetic algorithm (C version), very good!

基于bp神经网络的货运量预测matlab实现-bp- based neural network is forecast to achieve Matlab

神经网络的运用，比较基础，对初学者比较有用-The use of neural networks, basis of comparison, more useful for beginners

这是神经网络和遗传算法想结合的c++程序，希望对需要的朋友 有所帮助。-This is a neural network and genetic algorithm would like to combine c++ Procedures, and they hope to help a friend in need.

平台vs2005 模拟固体退火算法实现144个城市的旅行商问题，可设置具体参数-VS2005 simulation platform to achieve solid annealing algorithm 144 city traveling salesman problem, you can set specific parameters

Autolife模型是一个能够进行“开放式进化”的人工生命系统。每个Agent模型采用可以变化规则表长度的有限自动机模型建模。一方面Agent可以进行自我繁殖，同时模型中的选择机制没有采用显式的适应度函数而是采用能量消耗的简单模型而自发涌现出来，所以可以认为Agent模型是一个类Tierra系统。然而与Tierra、Avida等数字生命模型不同的是，Autolife模型进行了大大的简化，它界面友好，操作直接。虽然没有给每个Agent装配一个虚拟计算机，但是Agent与环境的耦合则可以看成一个图灵机模型，因此Agent可以通过变异而“任意”的编程序。通过Autolife模型，首先人们可以看到一般的生态系统中共存的现象：生物的大爆炸、大灭绝，Agent进化得越来越聪明；其次，用户可以通过变化不同的食物添加规则探索Agent与环境的关系；最后，如果允许Agent通过播种改变环境自动产生食物，那么组织的涌现就是一种不可避免的结果。Agent构成的组织具有自主运动的特性，还可以进行自我修复，可以说Autolife中的组织是一些真正的“活体”。-Autolife model is to conduct an "open-evolution" artificial life system. Each Agent can be used model changes the rules limited the length of the table automatic machine modeling. One Agent can be self-propagation, model selection mechanism not used Explicit the fitness function instead of using the energy consumption of a simple model to emerge spontaneously, so that the agent can be a model category Tierra system. But with Tierra, Avida digital life model is different Autolife model for greatly simplified its

使用BP网络进行模式识别,识别0－9的数字-Using the BP network pattern recognition, identifying the number of 0-9

粒子群算法工具箱，有DEMO程序，可以对16中常见函数测试，并附有神经元网络的训练算法-Particle swarm optimization toolbox, there are DEMO program, you can test for 16 common functions, together with the training algorithm for neural networks