最近看文献又看到了BP神经网络和RBF神经网络分类，觉得这个很有意思，可以在上面做些工作，RBF是去年就看到过，研究过一阵，没有得到什么结果，这次有空来好好折腾一下就可以放手了。
我用matlab比较多，刚好matlab也有神经网络的工具箱，顺手可以试下，但又想研究一下它的原理，只好自己写程序了，书上的原理全是工式基本上是看不懂，程序网上下的，用自己的数据试了下可以用，那就反过来先用再理解理。
BP和RBF神经网络，大体上结构差不多，就是有个输入层，一个隐含层，再一个输出层，这样说可以不太好理解。我主要想拿它来做分类，说白点就是我拿一些乱七八糟的东西给仓库管理员，让它以我给定的规则分好类，这也就是神经网络所说的训练，这样东西就入库了，我再拿一些同样的东西来入库，管理员就会给我一个清单我这些东西放到了哪些地方，很多工具都是这么做的。
先说下BP的方法，看起来比较简，算起来比较快，基本上分成三步走：BP神经网络构建，训练网络，再分类。数据是需要初始化的，一般就是做个归一化处理，否则预测误差会很大。再接着就是隐含层计算，输出层计算，计算观测和期望值误差，如果达不到标准，就更新权值，再算一遍，直到达到标准计算结束。尝试了几组数据，计算结果都还比较理想。
RBF方法也差不多，原理公式上我也说不清楚，现在只达到了会用的阶段，算的速度比BP慢很多，但分类的准确性高了很多，时间换精度嘛，否则大家都用BP了，不过最近看的文献大家用BP比较多，应该是算的快的缘故吧。拿BP的数据测试了一下，如果不自己设置精度，有时候要算个大半天挺不爽，反正我是拿来用，只要是好用就行了。
神经网络的方法还很多，文献里看到有预测股市的，有兴趣也可以拿来预测一下，不过以前看过卡尔曼滤波可以做，但一直没研究会，等有空折腾吧。
- 参考资料
MATLAB神经网络30个案例分析
RBF人工神经网络的分类和回归方法的仿真实例 - 参考文献
下得比较多，不列了，基本上没什么用，讲了一堆废话，没什么参考价值。