说明：通过遗传算法优化BP神经网络，提高其收敛速度和预测准确度。

说明：遗传算法优化BP 神经网络是用遗传算法来优化BP 神经网络的初始权值和阔值，使优化 后的BP 神经网络能够更好地预测函数输出。遗传算法优化BP 神经网络的要素包括种群初 始化、造应度函数、选择操作、交叉操作和变异操作。

说明：BP神经网络的非线性系统建模——非线性函数拟合

说明：基于python的bp神经网络人脸性别识别

说明：一段基于遗传算法的BP神经网络的代码，亲测可用。

说明：实现BP神经网络，改进BP神经网络的结构

说明：利用BP网络对火电厂进行数据建模，得到具有良好拟合能力的模型

说明：基于遗传算法优化的BP神经网络，可对历史数据进行训练以及对后期数据进行预测。

说明：基于神经网络的手写数字识别系统，BP前项传播算法，反向更新梯度参数

说明：BP网络（Back-ProPagation Network）又称反向传播神经网络， 通过样本数据的训练，不断修正网络权值和阈值使误差函数沿负梯度方向下降，逼近期望输出。它是一种应用较为广泛的神经网络模型，多用于函数逼近、模型识别分类、数据压缩和时间序列预测等。

说明：BP神经网络 ，不用工具箱逼近非线性函数。感觉挺好

说明：采用bp算法对高边坡变形时间序列进行预测

说明：bp神经网络源代码，基于matlab的实现

说明：常见的神经网络C代码，包括BP，RBF等，可供初学者参考

说明：基于遗传算法改进的BP神经网络，内含数据集，可直接使用

说明：使用BP神经网络实现信号分类功能 基于MNIST例程，使用tensorflow框架，基于python，

说明：GA 优化BP 神经网络教程，帮助对BP算法的深入了解

说明：实现了BP神经网络，能够对数据集进行适当的训练

说明：bp神经网络用于分类，每一步都有说明，也有数据，适合初学者

说明：利用粒子群优化算法，进行样本训练BP神经网络

说明：基于BP神经网络的PID参数整定。神经网络采用结构为4-5-3型的BP网络，网络权值的修正采用梯度下降法。

说明：遗传算法优化BP神经网络-非线性函数拟合

说明：BP神经网络的非线性系统建模-非线性函数拟合

说明：matlab关于BP神经网络的预测算法，有数据和相关程序

说明：一种由BP神经网络实现的手写数字识别的方法

说明：利用BP神经网络进行数据预测，Matlab实现 预测精度较高

说明：mnist数据集，编程实现神经网络bp算法

说明：BP神经网络的数据分类——语音特征信号分类

说明：通过多变量的历史数值，用bp神经网络来进行训练，在设定好参数后可以对未来进行预测

说明：pso算法描述，使用pso优化BP神经网络算法，该代码为基于PSO和BP网络的预测