说明：PRML读书会第五章 Neural Networks（神经网络、BP误差后向传播链式求导法则、正则化、卷积网络）
说明：运用深度学习模型实现图像的分类，主要包括卷积神经网络CNN和深信度网络DBN。
说明：复杂网络聚类系数的matlab编程代码,将复杂网络存储为矩阵,再对其matLab编程,可得到度分布图。
说明：Elman神经网络建立建筑物电力负荷预测模型中遇到的几个关键问题有，数据归一化处理、输入输出样本的选取、隐含层节点数的确定；分别建立Elman神经网络模型，并利用某栋建筑物实际历史电力负载数据进行预测，分析比较与实际数据值的预测精度，得出了一个有效的数据预测模型。
说明：采用扩展elman神经网络实现建模预测问题，神经网络的权值调整采用BP学习算法。
说明：利用T-S模糊神经网络对非线性函数进行逼近，已成功运行，有注释，对学习模糊神经网络帮助很大。
说明：这是一个四个不同的S函数实现集合的递归模糊神经网络（RFNN）。该网络采用了4组可调参数,这使得它非常适合在线学习/操作，从而可应用到系统识别等方面。