5层神经网络带L2正则化的损失函数计算方法

利用 MATLAB 实现单隐层神经网络，展示如何学习逻辑运算（与、或、非、异或等）。

针对神经网络对加法进行计算，让机器理解加法的意义所在

通过低秩正则化量化学习稀疏卷积神经网络

∏函数（中间型隶属函数） tt这种隶属函数可用于表示像中年、适中、平均等趋于中间的模糊现象。

两层隐含层BP神经网络,梯度下降法,反向权值更新

分组传送网(PTN)凭借其技术优势已成为传送网络的主流技术之一。初期的PTN网络架构中L2/L3设备设置于核心层,从而存在网络安全性较差和系统承载能力较弱两大难题。结合中国移动网络现状,提出L2/L3

这是我在做作业的时候参考的一篇文章，很简单地用matlab实现了BP网络研究函数逼近的问题。

基于距离函数和损失函数正则化的权值更新模式，使用相关熵距离函数，Itakura-Saito距离函数，指数一次近似距离和相关熵损失函数结合，实现了三种AdaBoost弱分类器权值更新算法。使用UCI数据

基于BP神经网络曲线曲面函数逼近方法研究,周丰 ,闫光荣,人工神经网络是近年来智能控制与智能自动化领域的热点,其结构简单,可操作性强,具有很强的自适应、自学习等优点,因而在函数逼

卷积神经网络（Convolutional Neural Network，CNN）是一种源于人工神经网络（Neural Network，NN）的深度机器学习方法，近年来在图像识别领域取得了巨大的成功。C