用神经网络实现故障诊断的matlab程序

一种通用的实现方法卷积神经网络（CNN）构建框架设计实时CNN。创建实时面部检测视觉系统，实现性别分类和情绪分类。

运行Hopefield文件下的hopefield功能即可得出8个城市TSP问题求解，CHNN问题在于网络是否稳定，因此对于大型城市数的应用还有待进一步优化

是matlab源码，利用bp网络实现0～9数字识别系统，友好的系统界面，包括训练样本和含噪声的数字图片

包含已分好类的minist数据，利用BP神经网络实现minist手写数字识别

基于k-均值的RBF神经网络实现，matlab程序，基于k均值找到聚类中心，最小二乘法计算隐含层与输出层之间的权值。

自己编写的模糊神经网络模型，自测试能用，优化效果比较不错。基于BP神经网络进行修改后的模型。

深层卷积神经网络实现超分辨重建，原文及翻译 Accurate Image Super-Resolution Using Very Deep Convolutional Networks CVPR2016

神经网络实现异或问题，采用的是2:2：1的结构，并采用sigmoid函数

卷积神经网络python实现。 卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积或相关计算且具有深度结构的前馈神经网络（Feedforward Neural Networks），是深度学习（deep learning）的代表算法之一 [1-2] 。由于卷积神经网络能够进行平移不变分类（shift-invariant classification），因此也被称为“平移不变人工神经网络（Shift-Invariant Artificial Neural Networks, SIANN）”