使用bp（反向传播算法）实现分类问题，并观察分类过程中误差的变化。-Use bp (back-propagation algorithm) to achieve the classification and observe the changes in classification process in the error.

多层前向反馈式神经网络是目前应用比较广泛的人工神经网络，其中BP(Back Propagation network，简称BP网络)学习算法是最著名的多层前向反馈式神经网络训练算法之一。该算法在图像处理和图像识别领域已经取得令人瞩目的成就，其主要思想是利用已知确定结果的样本模式对网络进行训练，然后利用训练好的网络进行图像的处理或识别。本文将讨论用MATLAB实现BP神经网络对人脸角度的分析。-Multilayer feedforward neural network feedback is us

its a matlab code for back propagation in numerical methods

针对二维波动方程，我们研究了一个实例，即弹性薄膜的波动方程。 其实际物理意义是：两手抓住弹性薄膜的两个位置，分别提起，使薄膜上形成两个峰，在t=0时刻突然松手，根据生活常识可以预料，这两个位置的薄膜将来回震动，与此同时产生的波向四周传播，而且波与波会在相遇处叠加。用matlab编程并将这个过程可视化。(In view of the two-dimensional wave equation, we have studied an example, the wave equation of the

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