多层感知器(MLP)神经网络(NN)用于通过反向传播(backprop)训练的回归问题.rar

多层感知机(MLP,Multilayer Perceptron)也叫人工神经网络(ANN,Artificial Neural Network),除了输入输出层,它中间可以有多个隐层,最简单的MLP只含

主要为大家详细介绍了TensorFlow实现MLP多层感知机模型,具有一定的参考价值,感兴趣的小伙伴们可以参考一下

Multilayer perceptron code based on BP algorithm (Matlab)

使用Numpy实现异或门的多层感知器的例子，没有使用框架。通过修改权重和偏移量，我们可以不断调整模型并优化其性能。代码简单易懂，适合初学者学习。

单层感知器实验,附源代码,实验截图。 python实现,喜欢的朋友可以交流一下。

反向传播神经网络（BP网络）java实现。我这个项目是用BPNN做手写体识别，最后效果并不好，不过算法本身是正确的，我用它做过习题。具体原理可以看我的博客

基于人工蜂群的BP神经网络人工蜂群算法的反向传播神经网络。基于人工蜂群算法的反向传播神经网络，通过大量尝试提出对神经网络误差调整参数进行优化的方法BP神经网络基于人工蜂群的BP神经网络

神经网络拟合回归，替换对应数据即可使用，matlab源程序。

数字识别 在这个项目中,我们在MNIST数据集上使用反向传播算法在一层隐藏层上训练我们自己的ANN,这以后可以帮助我们的机器识别给定的数字。 有关数据集的更多信息 数据集的信息和文档可在以下网站找到:

MLP-Estimating-Exoplanet-Parameters:用于使用在反照率谱上训练的多层感知器(MLP)来估计系外行星特性的资源。 演练:https:youtu.beOsnO7RKGae