BP神经网络是一个经典、有效的算法，即使时至今日，在传统的"小数据"领域仍有卓越的拟合效果。而BP神经网络的更大贡献是，它开启了后来的CNN\RNN等深度学习模型的大门。本文简单讲解BP神经网络是与深度学习CNN的关系。

在使用matlab来训练BP神经网络时，我们不免会疑惑，究竟要怎么选择训练函数呢？

BP神经网络是一种智能仿生模型，我们都知道，生物神经网络由大量生物神经元通过突触连接而成，如下：大脑能够接收、处理和传递外界信息，帮助生物完成感知判断、思考决策等行为。而BP神经网络正是以此为基础而构建出来的数学模型。

本文介绍了RBF神经网络中spread参数的作用。spread控制径向基函数的宽度，默认值为1。当spread过小时会导致模型过拟合，曲线不平滑；适当增大spread可使样本间曲线过渡更平滑。但spread也不宜过大，否则会降低模型对局部细节的拟合能力。该参数需要合理设置以平衡模型的平滑性和局部拟合能力。

RBF神经网络是一种可以用于拟合任意关系的神经网络模型，它起源于RBF插值，但现在一般都使用OLS算法来训练。下面我们学以致用，用一个具体的例子来看看RBF神经网络是如何应用于预测问题的。

最小二乘法是基本的线性求解问题之一，本文介绍最小二乘法的原理，和最小二法求解公式的推导

本文梳理BP神经网络的建模流程，供大家建模时进行借鉴。

RBF神经网络与BP神经网络都是常用的两种用于回归预测的神经网络，本文通过对两种神经网络的对对，简单快速了解两种神经网络的特色与区别

CNN卷积神经网络常用于图片识别，是深度学习中常用的模型。本文简单快速了解卷积神经网络是什么东西，并展示一个简单的示例。C代表卷积层，P代表池化层，F代表全连接层。卷积神经网络主要的、朴素的用途是图片识别。即输入图片，然后识别图片的类别，例如输入一张图片，识别该图片是猫还是狗。

LVQ神经网络全称为Learning Vector Quantization，主要用于做分类，它是Kohonen于1989年提出基于竞争网络的学习矢量量化网络，本文面向新人入门，简单介绍LVQ神经网络的结构、运作，通过本文可快速了解LVQ神经网络是个什么东西