具有TensorFlow的贝叶斯神经网络 如我的论文所述，该存储库考虑了贝叶斯人工神经网络的实现。 实施的中心是模块 ，其中我们的许多技术工作都受到启发。 该存储库的主要结构如下：

量子蛋白 quantnn软件包在quantnn提供了分位数回归神经网络的实现。

使用Matlab通过HOG，SURF和CNN进行人脸识别 你好！ 由于数据敏感性，无法使用该项目的模型。 但是，可以通过将数据输入（照片文件夹），预处理已处理的图像（Faces和GrayFaces）来创建自己的模型，然后运行相关脚本来创建自己的模型。 这种脸部识别功能不仅适用于单个图像，而且适用于集体照，但请注意误报。 怎么跑 Matlab可以输出指数形式的值，因此请先运行“ format shortG”格式。 可处理的论点： 要使用SVM分类器RecogniseFace（“ I”，“ SURF”，“ SVM”）或RecogniseFace（“ I”，“ HOG”，“ SVM”）运行任何HOG / SURF，其中I是图像文件。 例如“ 1IMG_6820.png” 一个完整的论据是RecogniseFace（“ 1IMG_6820.png”，“ SURF”，“ SVM”）或Recog

bp神经网络源码，一层隐含层。经过测试，可以使用。

用于CIFAR-10-图像分类的卷积神经网络 使用CNN进行CIFAR-10图像分类 CIFAR-10数据集包含来自10类的32x32彩色图像：飞机，汽车，鸟类，猫，鹿，狗，青蛙，马，船，卡车： 1.准备数据 我们需要将输入标准化，例如：$$ x_ {norm} = \ frac {x} {255}-0.5 $$ 我们需要将类标签转换为一键编码的向量。 使用keras.utils.to_categorical 。 2.定义要用来训练模型的架构 3.训练模型 该模型训练了10个时期 4. ##评估模型 在测试集上评估模型。 打印混淆矩阵。 在混淆矩阵中，单元格的颜色越亮表示该单元格中的值越高。 理想情况下，矩阵的对角线应为高值，以指示模型正确预测了真实标签。 5.可视化类激活图 以下代码将打印正在考虑的图像，它是对应的激活图，以及覆盖在图像上的激活图。 这有助于我们找出有助于网络进行预测/

python代码实现，可以调整网络结构，适用分类与回归问题，包含随机梯度下降、动量梯度下降，RMSProp、Adam优化算法。通过hyperopt优化调参，另外补充了一些测试demo

matlab神经网络源码集锦- PID神经元网络解耦控制算法_多变量系统控制

matlab神经网络源码集锦- SOM神经网络的数据分类--柴油机故障诊断

matlab神经网络源码集锦- 概率神经网络的分类预测-基于PNN变压器故障诊断

matlab神经网络源码集锦- 离散Hopfield神经网络的分类——高校科研能力评价