基于青岛某办公建筑2015 年全年逐时总用电能耗及空调用电能耗数据，利用kmeans 聚类算法对其进行聚 类，将全年能耗水平分为四大类。利用求平均值法得到每一类典型设备使用率曲线。将典型曲线的数据、日前两 周数据以及气象数据一同作为BP 神经网络的输入，预测未来24 小时的建筑总用电和空调用电，该方法比单用日 前两周数据及气象数据进行负荷预测能获得更低的相对误差、均方根误差、平均绝对百分误差。BP 负荷预测相对 误差在5%以内，而kmeans－BP 负荷预测算法控制在±2．5%以内; BP 预测得到的均方根误差和平均绝对百分误差 范围分别在4．6～ 9．0 之间、2．3%～ 4．4%之间，km

BP神经网络算法（鸢尾花）附带相关训练集及测试集，Iris（鸢尾花）数据集分为训练集（Iris-train.txt）和测试集（Iris-test.txt），分别含75个样本，每个集合中每种花各有25个样本。

共两个示例代码，一个是实现了离散Hopfield神经网络对0~9数字的正确识别。另一个是实现了连续Hopfield网络解决的旅行商问题。代码中都添加了基本注释。

随着深度互联网时代到来，大数据所蕴含的巨大科学、经济价值逐渐凸显。然而其数据分析方法却存在较高技术壁垒，想要发掘出大数据的价值空间，需要摒弃传统方案，采用新的分析方法。深度神经网络算法采用仿生学习算法整合庞大的异构数据，支持多源信息筛选，可实现时序动态捕捉，从而搭建起大数据转化为价值信息的桥梁。文中着重分析“大数据+神经网络”的深度学习算法在非结构化、模式多变的大数据群中的特征提取模式；并基于无限神经网络的前馈式连接方法，耦合时间参数进行更精确的特征提取与数据预测。最后对其在语音识别和图像分析中的应用进行实例测试，数据结果表明：无限神经网络在数据处理中具备更为强大的计算效率和性能优势。

Python实现的NN神经网络算法完整示例

这个程序是本人写的一个基于BP神经网络算法解决室内声源定位问题模拟程序，程序的原理在我的一篇博客当中有详细叙述，博客的链接为https://blog.csdn.net/ahhhhhh520/article/details/106126759

包含大量车辆的图片，以及简单的神经网络算法实现车辆图片中的车牌识别

使用Python实现简单的前馈神经网络算法。 工作正在进行中。

毕业设计用过的，可以运行，实现了自我学习功能！

模糊神经网络，结合模糊算法与神经网络算法进行预测，MATLAB哈