为解决BP神经网络拟合非线性函数的预测结果误差较大问题,笔者将标准粒子群算法进行改进,形成基于免疫接种的粒子群算法(IPSO);然后将该算法与BP神经网络理论相结合,实现基于IPSO算法优化的BP神经网络非线性函数拟合算法。新的拟合算法首先确定BP神经网络结构,然后用IPSO算法优化初始权值和阈值,最后进行BP神经网络预测。数值实验表明,本文提出的IPSO算法提高了BP神经网络的拟合能力,减小了拟合误差,提高了拟合精度。

为了提高大数据的精准挖据与预测能力，解决传统数据挖据技术无法适应大数据处理环境的问题，利用云计算和大数据处理技术，提出了大数据精准挖据处理架构及基于BP神经网络的预测模型。重点研究了大数据处理平台架构、大数据分析与表达技术、基于BP神经网络的大数据挖据及预测模型。应用结果表明，该方案结合云计算平台和大数据挖掘技术，能够高效的处理海量数据的处理和表达，对于销售数据具有一定的预测能力。

基于遗传算法的BP神经网络的股票预测模型_matlab实现 https://blog.csdn.net/zxm_jimin/article/details/87936920

针对目前空气质量污染日益严重的问题，提出了一种基于神经网络的环境空气质量的预测方法。借助于Matlab分别建立空气污染指数（API）和环境空气质量指数（AQI）对空气质量影响的数学模型。利用Matlab对各污染物浓度数据进行分析，计算相应的空气污染指数（API）和环境空气质量指数（AQI），对结果进行对比。运用BP人工神经网络的多层神经网络对全市大气污染物浓度的实测值进行训练学习，建立模型。同时结合未来一周西安市天气预报，用此模型对污染物浓度进行预测和预报，以达到对大气环境质量进行预测预警的作用。应用实例表明：人工神经网络应用于大气环境质量预测预警是比较理想的。

纯numpy编写适合练手，也有one-hot编码 应用实例：鸢尾花分类

该案例将涵括深度学习BP神经网络,数据处理,数据产生以及Pygame,Tensorflow,Keras,Matplotlib,Pandas,numpy等库综合的使用。实现功能为利用Pygame创做扫雷机游戏，通过BP神经网络训练，使扫雷机能自主判断转向并扫雷。

研究了BP神经网络的结构和L-M学习算法的步骤,通过分析煤矿通风系统,建立了多因素控制的煤矿安全评价指标体系。在此基础上,运用Matlab编制BP网络程序并利用导师信号对网络进行训练,建立了煤矿通风系统安全评价模型。仿真结果表明待校验样本的安全等级与实际情况相符,L-M算法收敛速度也满足要求。

本文研究典型应用场景下电力现场作业的超宽带精确定位，提出一种基于BP神经网络补偿卡尔曼滤波的UWB精定位算法。首先在某段时间内利用定位系统测得全部采样时刻的初始观测解，得到初始观测解集；其次根据卡尔曼滤波器的状态方程，初始观测解集输入卡尔曼滤波器；最后用BP神经网络补偿卡尔曼滤波，在最小均方误差下求得定位系统的二维状态向量的估计值。通过仿真表明：该补偿算法在原卡尔曼滤波算法上提升了定位精度。

BP神经网络是一种按误差反向传播的多层前馈网络，是目前应用最为广泛的神经网络之一。基于BP神经网络，进行齿轮故障诊断，四维数据，共两千条。均匀提取1500个样本为训练样本，500个样本为预测样本。

之前做过的一些项目 matlab 程序真实能运行 有问题请私信 留言都OK