说明：BP神经网络预测的算法，内含代码和数据。输入7维，输出1维，前面的35组数据进行训练，最后1组数据进行预测，曲线为神经网络的拟合效果。

神经网络 BP神经网络

说明：采用贝叶斯正则化算法提高BP网络的推广能力,采用两种训练方法。

贝叶斯正则化算法 BP网络

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。

贝叶斯正则化算法 BP网络 L-M算法 trainlm 贝叶斯

说明：应用背景 BP（Back Propagation）神经网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的...

matlab 神经网络 识别 bp 用于 写字

说明：1）网络结构为三层，隐层神经元个数自定，说明神经网络结构； 2）获取两组数据，一组作为训练集，一组作为测试集； 3）用训练集训练网络； 4）用测试集检验训练结果，并显示拟合结果。

神经网络拟合 BP神经网络算法

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，将采用两种训练方法，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。

贝叶斯拟合 trainbr BP数据拟合 Trainlm data-fit-matlab

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。

Trainlm BP-noise 贝叶斯正则化 L-M优化bp

说明：BP神经网络自适应步长训练算法，采用最小误差法，梯度下降法，自适应调节权值

神经网络-权值 自适应 自适应bp 梯度下降法-bp BP神经自适应

说明：利用遗传算法来训练BP神经网络的权值和阈值

GA-BP-MATLAB train-bp-ga-matlab GA优化-神经网络的-权值-和偏差 BP-matlab GA-ELM

说明：BP_Adaboost模型即把BP神经网络作为弱分类器，反复训练BP神经网络预测样本输出，通过Adaboost算法得到多个BP神经网络弱分类器组成的强分类器，利用此方法设计出强分类器。

BP-Adaboost BP神经网络 分类器 BP 神经网络 Adaboost算法