这是从网上找到的资源，但是却不能运行，经过修改，加入了些自己的解释，已成功运行，得到结果人脸的识别率高达97.5%。

BP神经网络代码，用VB语言开发的。用于各种预测

为了更为有效地识别语音信号中的情感类型，提出一种改进遗传算法优化 BP 神经网络的识别算法 ( IAGA-BP) 。该算法一方面改进了自适应遗传算法中的选择算子，另一方面更改了自适应遗传算法中的交叉和 变异概率公式。通过对自适应遗传算法的改进，提升了遗传算法的寻优性能，并以此对 BP 神经网络初始的权阈 值进行优化。实验结果表明，在与 BP、 GA-BP 和 AGA-BP 网络的比较中， IAGA-BP 网络能够有效提高语音情感 识别率，并加快了网路收敛速度

本pdf文档给出了BP神经网络权值参数更新过程的详细推导，对于神经网络初学者有很大的帮助。

人脸的模式识别程序 matlab运用BP神经网络实现

完整代码，可直接运行

识别0-9十个数字，BP神经网络数字识别源代码 使用说明 第一步：训练网络。使用训练样本进行训练。（此程序中也可以不训练，因为笔者已经将训练好的网络参数保存起来了，读者使用时可以直接识别） 第二步：识别。首先，打开图像（256色）；再次，进行归一化处理，点击“一次性处理”；最后，点击“R”或者使用菜单找到相应项来进行识别。识别的结果显示在屏幕上，同时也输出到文件result.txt中。 该系统的识别率一般情况下为90%。 此外，也可以单独对打开的图片一步一步进行图像预处理工作，但要注意，每一步工作只能执行一遍，而且要按顺序执行。 具体步骤为：“256色位图转为灰度图”－“灰度图二值化”－“去噪”－“倾斜校正”－“分割”－“标准化尺寸”－“紧缩重排”。 注意，待识别的图片要与win.dat和whi.dat位于同一目录，这两文件保存训练后网络的权值参数。 具体使用请参照书中说明。

BP神经网络算法的改进及在MATLAB中的实现

基于ARIMA-BP神经网络的CPU利用率预测模型研究

随着全球经济的发展,国家的竞争力越来越多的取决于区域的竞争力,而区域人才创新能力已成为衡量区域竞争力的重要尺度。文章在分析区域人才创新能力的各个影响因素的基础上,建立了包含3个模块、16个具体指标的评价体系,同时运用因子分析法和BP神经网络对我国具有代表性的10个地区进行定量分析,并对评价结果进行定性比较。