说明：用matlab仿真的BP神经网络，采用LM算法，训练出一个比较好的训练曲线，一块发上来共享！

LM算法训练BP BP神经网络LM LM-neural LM LM-bp神经网络

说明：基于BP神经网络的人脸识别算法的MALAB实现。采用了抽样-全样训练的方式。

recognization BP算法训练 face-neural face-bp face-recognization

说明：利用遗传算法优化BP神经网络权值和阈值，然后进行训练，利用训练好的模型进行预估。附实例

神经网络-权值 bp-预估 BP遗传算法 训练模型 遗传算法BP

说明：针对BP神经网络的初始权值和阈值是随机选取的弊端，采用遗传算法寻优BP的初始权值和阈值，然后进行BP训练和测试。遗传算法包括编码 选择 交叉 和变异等操作。

遗传算法 BP神经网络 非线性预测

说明：使用双层BP神经网络，实现数据的读取，归一化处理，网络训练与网络预测，最后给出误差分析和结果可视化。

thosenyf 双层算法 plastice97 BP预测 数据可视化

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：一、用GA直接训练BP网络的权重算法 主程序：gafault.m 它包括以下子程序： 1.　BP网络初始化：nninit.m――给出P，T，R，S1，S2； 2.　适应值计算函数：gabpEval.m； 3．将遗传算法的编码解码为BP网络所对应的权值、阈值函数：gadecod.m；二、用GA先求BP...

GA BP网络 权重算法

说明：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。

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

说明：用matlab实现神经网络多层感知器单样本训练BP算法。

bp-mlp MLP MLP-matlab back-propogation MLP-SAMPLE

说明：Adaboost 算法的思想是合并多个“弱”分类器的输出以产生有效分类。其主要步骤为 ：首先给出弱学习算法和样本空间（工， y） ，从样本空间中找出 m 组训练数据，每组训练数据的权重都是 1 /m。然后用弱学习算法迭代运算 T 次，每次运算后都按照分类结果更新训练数据权重分布，对于分类失败的训练个...

BP Adaboost算法 样本权重 基于BP的强分类器 BP-Adaboost 数据分类算法 分类器