电价预测程序 采用BP神经网络，也可进行负荷预测

Matlab 中的Simulink 提供了大量的可用于实现BP 网络的模块,通过应用Simulink 中的模块构建了一个BP 网络,并通过一实例验证了所构建的BP 网络的可行性. 从而使应用BP 网络来解决许多领域的实际问题变得非常方便和有效.

电子商务是伴随互联网技术快速兴起的一种规模大、潜力大的新型商业模式, 对产品进行短期销量预测能够帮助电商企业对市场变化采取更加迅速的反应和措施. 本文通过电商销量历史数据和门户商品链接点击量建立了一种应用于电子商务会计系统的短期销量预测模型. 借助AdaBoost思想集合多个传统的BP神经网络的预测结果, 使其具备更高的预测准确率, 根据电商短期销量变化的特点规划时间窗口的时序设计, 建立考虑周末效应的以日为单位的销量预测模型. 实验证明, 该预测模型的预测误差可以控制在20%以内.

自己在做大作业过程中找了一些关于神经网络隐层节点数选择相关的论文，提供给大家作为参考。隐层节点数目前好像也没有比较格式化的选择方法，因此论文也仅供参考，不喜勿喷

BP神经网络回归的现实应用-上海市二手房价格影响因素分析——思路剖析和结果分享 博客链接： https://blog.csdn.net/qinglingLS/article/details/112082797

基于BP神经网络的自整定PID控制仿真

Ⅰ：运用BP神经网络对下面函数进行训练：① y=sin(x);x=[0,2*pi] ②y=x1(XOR)x2 Ⅱ：通过神经网络模型蠓虫数据进行分类，并对结果进行分析。生物学家试图对两种蠓虫（Af与Apf）进行鉴别，依据的资料时触角和翅膀的长度，已经测得了9支Af和6支Apf的数据如下：Af：（1.24，1.27），（1.36，1.74），（1.38，1.64），（1.38，1.82），（1.38，1.90），（1.40，1.70），（1.48，1.82），（1.54，1.82），（1.56，2.08）Apf：（1.14，1.82），（1.18，1.96），（1.20，1.86），（1.26，2.00），（1.28，2.00），（1.30，1.96）对触角和翼长分别为（1.24，1.80），（1.28，1.84）与（1.40，2.04）的3个标本，用所得到的方法加以识别。 代码+课程报告

BP神经网络是一种多层前馈神经网络,该网络的主要特点是信号前向传递, 误差反向传播。在前向传递中,输入信号从输入层经隐含层逐层处理, 直至输出层。每一层的神经元状态只影响下一层神经元状态。如果输出层得不到期望输出, 则转入反向传播,根据预测误差调整网络权值和阈值,从而使B P神经网络预测输出不断逼近期望输出。

系列文章 小白的机器学习笔记系列 之七 - 简单的BP神经网络实例 的源码。Jupyter Notebook里可以直接运行。相关文章，参照以下链接。 https://blog.csdn.net/deecheanW/article/details/105308306

基于BP神经网络的手写数字识别，是基于Google推出的TensorFlow库并使用Python编写的手写数字识别系统，代码齐全！