说明：用遗传算法来改善BP神经网络模型，可以很好的用于最优化、预测等问题的求解

BP 遗传算法-BP ga-bp bp-神经-模型 matlab-GA-bp

说明：一个基于遗传算法的选择性神经网络集成算法

选择集成-matlab 选择性集成 网络选择matlab Gasen GASEN

说明：遗传算法和神经网络混合编程，可用于优化计算，仅供参考。

优化BP 混合遗传 BP优化-matlab GA-bp网络 BP遗传算法

说明：matlab代码，实现神经网络中的BP算法-误差反向传播算法，用于分类，拟合和非线性系统建模等多种问题

bp神经-matlab BP-matlab

说明：基本分类、预测、回归算法，适合初学者学习，具有注释性，易于理解。

预测算法 回归算法

说明：本程序实现深度学习的卷积神经网络（CNN）算法，含有训练程序和测试程序

深度神经 深度学习-cnn cnn训练Matlab cnn-matlab MATLAB深度学习

说明：经典的模糊神经网路m程序，采用T-S模型，自适应反传算法。

模糊-t-s 模糊神经网路 T-S算法 模糊 ts-model

说明：用GA先求BP网络的权重，再用纯BP直接训练BP的混合GA－BP算法-GA first seek to use the weight of BP network, and then pure BP training BP directly mixed GA-BP algorithm

matlab 算法 神经网络 训练 过程 遗传 利用 首先 权值再 纯血

说明：1-8遗传算法，9 多目标Pareto最优解搜索算法，10 基于多目标Pareto的二维背包搜索算法，11-12免疫算法，13-17粒子群算法，18鱼群算法，19-21模拟退火算法，22-24蚁群算法，25-27神经网络，28 支持向量机的分类，29 支持向量机的回归拟合，30 极限学习机的回归拟合...

遗传算法 多目标 Pareto 最优解搜索算法 二维背包搜索算法 免疫算法 粒子群算法 鱼群算法 模拟退火算法 蚁群算法 神经网络 向量机分类 向量机回归拟合 极限学习机 回归拟合

说明：采用动量梯度下降算法训练 BP 网络。 采用贝叶斯正则化算法提高 BP 网络的推广能力。在本例中，我们采用两种训练方法，即 L-M 优化算法（trainlm）和贝叶斯正则化算法（trainbr），用以训练 BP 网络，使其能够拟合某一附加有白噪声的正弦样本数据。

BP 网络 贝叶斯正则化算法 L-M 优化算法 trainlm 贝叶斯正则化算法 trainbr 白噪声