神经网络算法实例说明，简单神经网络算法原理

神经网络算法实例说明有哪些？

在网络模型与算法研究的基础上，利用人工神经网络组成实际的应用系统，例如，完成某种信号处理或模式识别的功能、构作专家系统、制成机器人、复杂系统控制等等。

纵观当代新兴科学技术的发展历史，人类在征服宇宙空间、基本粒子，生命起源等科学技术领域的进程中历经了崎岖不平的道路。我们也会看到，探索人脑功能和神经网络的研究将伴随着重重困难的克服而日新月异。

matlab神经网络目前有什么具体的实际应用

MATLAB中文论坛2010年出过一本书，北航出版社的，叫《MATLAB神经网络30个案例分析 (豆瓣)》。我觉得把它作为入门书挺好的，每一章配有视频和代码，可以依样画葫芦。刚刚顺手还看到了另一本书《MATLAB智能算法30个案例分析》，看目录貌似内容也比较接近的。

《神经网络》包含的30个例子：

P神经网络的数据分类——语音特征信号分类。

BP神经网络的非线性系统建模——非线性函数拟合。

遗传算法优化BP神经网络——非线性函数拟合。

神经网络遗传算法函数极值寻优——非线性函数极值寻优。

基于BP_Adaboost的强分类器设计——公司财务预警建模。

PID神经元网络解耦控制算法——多变量系统控制。

RBF网络的回归——非线性函数回归的实现。

GRNN的数据预测——基于广义回归神经网络的货运量预测。

离散Hopfield神经网络的联想记忆——数字识别。

离散Hopfield神经网络的分类——高校科研能力评价。

连续Hopfield神经网络的优化——旅行商问题优化计算。

SVM的数据分类预测——意大利葡萄酒种类识别。

SVM的参数优化——如何更好的提升分类器的性能。

SVM的回归预测分析——上证指数开盘指数预测。

SVM的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测。

自组织竞争网络在模式分类中的应用——患者癌症发病预测。

SOM神经网络的数据分类——柴油机故障诊断。

Elman神经网络的数据预测——电力负荷预测模型研究。

概率神经网络的分类预测——基于PNN的变压器故障诊断。

神经网络变量筛选——基于BP的神经网络变量筛选。

LVQ神经网络的分类——乳腺肿瘤诊断。

LVQ神经网络的预测——人脸朝向识别。

小波神经网络的时间序列预测——短时交通流量预测。

模糊神经网络的预测算法——嘉陵江水质评价。

广义神经网络的聚类算法——网络入侵聚类。

粒子群优化算法的寻优算法——非线性函数极值寻优。

遗传算法优化计算——建模自变量降维。

基于灰色神经网络的预测算法研究——订单需求预测。

基于Kohonen网络的聚类算法——网络入侵聚类。

神经网络GUI的实现——基于GUI的神经网络拟合、模式识别、聚类。

AI爱发猫

求神经网络算法的一个代码示例（C、C++或java一类的）

在matlab里建立一个.m的M文件，把代码输进去，保存，运行就可以了。 演示程序是在command 里打demo就可以了找到了 . 你邮箱多少，我只有简单的BP神经网络程序。

神经网络算法可以解决的问题有哪些

人工神经网络（Artificial Neural Networks，ANN）系统是 20 世纪 40 年代后出现的。它是由众多的神经元可调的连接权值连接而成，具有大规模并行处理、分布式信 息存储、良好的自组织自学习能力等特点。BP（Back Propagation）算法又称为误差 反向传播算法，是人工神经网络中的一种监督式的学习算法。BP 神经网络算法在理 论上可以逼近任意函数，基本的结构由非线性变化单元组成，具有很强的非线性映射能力。而且网络的中间层数、各层的处理单元数及网络的学习系数等参数可根据具体情况设定，灵活性很大，在优化、信号处理与模式识别、智能控制、故障诊断等许 多领域都有着广泛的应用前景。

工作原理

人工神经元的研究起源于脑神经元学说。19世纪末，在生物、生理学领域，Waldeger等人创建了神经元学说。人们认识到复杂的神经系统是由数目繁多的神经元组合而成。大脑皮层包括有100亿个以上的神经元，每立方毫米约有数万个，它们互相联结形成神经网络，通过感觉器官和神经接受来自身体内外的各种信息，传递至中枢神经系统内，经过对信息的分析和综合，再通过运动神经发出控制信息，以此来实现机体与内外环境的联系，协调全身的各种机能活动。

神经元也和其他类型的细胞一样，包括有细胞膜、细胞质和细胞核。但是神经细胞的形态比较特殊，具有许多突起，因此又分为细胞体、轴突和树突三部分。细胞体内有细胞核，突起的作用是传递信息。树突是作为引入输入信号的突起，而轴突是作为输出端的突起，它只有一个。

树突是细胞体的延伸部分，它由细胞体发出后逐渐变细，全长各部位都可与其他神经元的轴突末梢相互联系，形成所谓“突触”。在突触处两神经元并未连通，它只是发生信息传递功能的结合部，联系界面之间间隙约为（15～50)×10米。突触可分为兴奋性与抑制性两种类型，它相应于神经元之间耦合的极性。每个神经元的突触数目正常，最高可达10个。各神经元之间的连接强度和极性有所不同，并且都可调整、基于这一特性，人脑具有存储信息的功能。利用大量神经元相互联接组成人工神经网络可显示出人的大脑的某些特征。

人工神经网络是由大量的简单基本元件——神经元相互联接而成的自适应非线性动态系统。每个神经元的结构和功能比较简单，但大量神经元组合产生的系统行为却非常复杂。

人工神经网络反映了人脑功能的若干基本特性，但并非生物系统的逼真描述，只是某种模仿、简化和抽象。

与数字计算机比较，人工神经网络在构成原理和功能特点等方面更加接近人脑，它不是按给定的程序一步一步地执行运算，而是能够自身适应环境、总结规律、完成某种运算、识别或过程控制。

人工神经网络首先要以一定的学习准则进行学习，然后才能工作。现以人工神经网络对于写“A”、“B”两个字母的识别为例进行说明，规定当“A”输入网络时，应该输出“1”，而当输入为“B”时，输出为“0”。

所以网络学习的准则应该是：如果网络作出错误的的判决，则通过网络的学习，应使得网络减少下次犯同样错误的可能性。首先，给网络的各连接权值赋予(0，1)区间内的随机值，将“A”所对应的图象模式输入给网络，网络将输入模式加权求和、与门限比较、再进行非线性运算，得到网络的输出。在此情况下，网络输出为“1”和“0”的概率各为50%，也就是说是完全随机的。这时如果输出为“1”(结果正确)，则使连接权值增大，以便使网络再次遇到“A”模式输入时，仍然能作出正确的判断。

最近在学习人工神经网络算法，哪位能发一个含有c语言原程序的BP算法实例哪其它语言的也可以 15

附件是BP神经网络的C语言实现。

BP（Back Propagation）神经网络是86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数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input）、隐层(hidden layer)和输出层(output layer)。

如何用matlab软件实现神经网络应用

给你一个实例，希望通过该例子对实现神经网络应用有一定的了解。

%x,y分别为输入和目标向量

x=1:5;

y=[639 646 642 624 652];。

%创建一个前馈网络

net=newff(minmax(x),[20,1],{'tansig','purelin'});。

%仿真未经训练的网络net并画图。

y1=sim(net,x);plot(x,y1,':');。

%采用L-M优化算法

net.trainFcn='trainlm';。

%设置训练算法

net.trainParam.epochs=500;net.trainParam.goal=10^(-6);。

%调用相应算法训练BP网络

[net,tr,yy]=train(net,x,y);。

%对BP网络进行仿真

y1=sim(net,x);

%计算仿真误差

E=y-y1;MSE=mse(E)。

hold on

%绘制匹配结果曲线

figure;

plot(x,y1,'r*',x,y,'b--')。

执行结果

直接用神经网络工具箱构建bp神经网络，希望能给个例子说明，有注解最好，本人matlab新手，谢谢 10

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数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input）、隐层(hidden layer)和输出层(output layer)。

附件就是利用神经网络工具箱构建BP神经网络进行预测的实例。如果要用可视化工具，可以在命令窗口输入nntool.。