随机神经网络向神经网络引进随机变化，一类是在神经元之间分配随机过程传递函数，一类是给神经元随机权重。这使得随机神经网络在优化(Optimization)问题中非常有用，因为随机的变换避免了局部最优(local minima)。由随机传递函数建立的随机神经网络通常被称为波茨曼机(Boltzmann machine)。随机神经网络在风险控制，肿瘤学和生物信息学相关领域均有应用

利用RBF网络（隐含层神经单元个数和学习率等参数可在内部修改，不作为输入参数）学习和训练，并对输入的测试样本做出响应。 输入和输出维数可以多维。 实际运行，逼近y=sin(t)函数效果不错。

借助MATLAB遗传算法工具箱，实现BP神经网络的权值优化。 （示例代码为9输入1输出，如需应用到其他情况，改动编解码函数即可。）

bp算法matlab实现，bp神经网络算法采用误差反传数据正传方法，实现了修改权值直到符合要求，本代码是实现人脸识别

混沌神经网络matlab实现，一个混沌神经网络的matlab程序.rar

用遗传算法优化bp神经的参数，收敛速度快，非常实用，大家快来下啊！

提供交叉验证神经网络matlab代码，供大家学习。

BP神经网络是一个前向网络，它利用误差反向传播算法对网络进行训练，结构简单，可塑性强。本例选择3层BP神经网络（隐层为1层）来逼近函数，单输入单输出，隐层包含7个神经元，预设精度为0.1，学习率设为0.1，循环次数为5000次，达到循环次数，或结果达到预设精度要求，结束计算。激活函数选择双曲函数，采用梯度下降法，通过神经元的输入和误差，以及权值的学习速率来计算权值的变化率。将输入提供给网络后，神经元的激活值从输入层经各中间层向输出层传播，输出层的神经元获得网络的输入相应。接下来，按照减少目标输出与实际输出之间误差的方向，从输出层反向经过中间层回到输入层，从而逐层修正各连接权值。随着误差逆向的传播修正不断进行，网络对输入响应的正确率也不断上升。

里面带有30个经典的仿真代码，每一个都能用MATLAB实现。是学习神经网络的很好资源

原创深度学习卷积神经网络Matlab工具箱源代码下载-DeepLearnToolbox_CNN_lzbV2.0.zip [原创]深度学习Matlab工具箱源代码下载