bp神经网络开发代码 最基础的神经网络模型 具有训练速度快，学习效果好的特点-bp neural network development code for the most basic neural network training speed, learning good effect

BP神经网络MATLAB算法，Matlab灰色预测模型GM(1,1)代码，维纳滤波MATLAB程序，遗传算法优化神经网络程序[matlab]-MATLAB BP neural network algorithm, Matlab gray prediction model GM (1,1) code, Wiener filter MATLAB program, genetic algorithm optimization neural network program [matlab]

主要是用于BP网络上面的编程网络是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（input）、隐层(hide layer)和输出层(output layer)。 -BP

BP神经网络基本原理概述：这种网络模型利用误差反向传播训练算法模型，能够很好地解决多层网络中隐含层神经元连接权值系数的学习问题，它的特点是信号前向传播、误差反向传播，简称BP（Back Propagation）神经网络。BP学习算法的基本原理是梯度最快下降法，即通过调整权值使网络总误差最小，在信号前向传播阶段，输入信号经输入层处理再经隐含层处理最后传向输出层处理；在误差反向传播阶段，将输出层输出的信号值与期望输出信号值比较得到误差，若误差较大则把误差信号传回隐含层直至输入层，在各层神经元中使用