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。
说明：一个学习递归模糊神经网络的程序，很好用，值得学习。
说明：生成手写数字图片，一共提供了三种算法，example_1和example_2训练GAN来生成手写数字图片，搭建了一个简单的GAN的网络结构，example_3难度较大。
说明：对于小样本而言，SVM的仿真效果要比神经网络好，但是SVM的性能依赖于它的两个训练参数，本算法是用GA自动选择SVM的两个参数。
说明：使用高斯混合模型（GMM），对声音信号进行识别，包括对特征参数的采集、训练和识别过程。
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。
说明：部分实现了追踪测速迭代松弛算法，matlab开发工具箱中的支持向量机，主要是基于mtlab的程序，通过反复训练模板能有较高的识别率，利用贝叶斯原理估计混合logit模型的参数，BP神经网络用于函数拟合与模式识别，FIR 底通和带通滤波器和IIR 底通和带通滤波器。
说明：HMM隐马尔科夫模型源码，实现模型的训练。