bp神经网络算法是解决最优化问题的先进算法之一，本论文讨论了神经网络中使用最为广泛的前馈神经网络。其网络权值学习算法中影响最大的就是误差反向传播算法（back-propagation简称BP算法）。BP算法存在局部极小点，收敛速度慢等缺点。基于优化理论的Levenberg-Marquardt算法忽略了二阶项。该文讨论当误差不为零或者不为线性函数即二阶项S(W)不能忽略时的Hesse矩阵的近似计算，进而训练网络。

本文的题目是改进的核函数算法及其在人脸识别中的应用研究。 本文在系统学习现有核函数及支持向量机相关理论的基础上，系统研究了自适应选择核函数算法，通过引入朴素正则风险最小化准则，提出了一种改进的在线核函数算法。算法采用截断误差最小化、合理选取拉格郎日因子等方法对新增样本进行训练，有效地克服了现有方法收敛精度低和不能自适应选择样本的困难。 根据独立分量分析的原理和特点，将改进的核函数算法引入人脸识别的研究中，给出了基于ICA-SVM的人脸识别算法及实现方法。 论文分别应用数值仿

VFP模拟试题，可以在等级考试前做冲刺训练！我们共同学习，共同进步！

ｃ语言基础训练　用于ｃ语言的学习与练习，使用于-c language of basic training for the c language learning and practice, for use in