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

本文来自《老饼讲解神经网络》：本文介绍matlab神经网络工具箱中的传递函数公式和图象详解。

本文主要介绍BP神经网络的数学表达式，通过结构设置，展示对应的数学表达式

《老饼讲解-BP神经网络》：本文主要讲解BP神经网络的隐节点个数设置，包括理论指导，和经验公式，实际使用经验。

本站原创文章，转载请说明来自《老饼讲解-BP神经网络》本文展示如何用matlab工具箱训练一个SOM神经网络的DEMO并讲解其中的代码含义和相关使用说明。

原文来自：《老饼讲解神经网络》目录一. 归一化与反归一化二. 例子实讲三. 完整代码例子四.网络表达式的反归一化为了方便网络训练得更优秀，一般会先将输入输出数据归一化，再进行训练。训练完后，在用网络预测时，还需要将网络的预测值反归一化。本文讲述神经网络的归一化和反归一化一. 归一化与反归一化训练前，为避免各个输入变量的数量级差异过大，影响求解算法的效果，一般会先将数据归一化到[-1，1]的区间。P

LVQ神经网络是用于样本分类的一个常用算法，本文先简单回顾LVQ神经网络是什么，然后展示如何用matlab工具箱来训练一个LVQ神经网络

在python中要如何使用代码实现一个BP神经网络呢？在python中可以利用pytorch来实现BP神经网络，这是最简洁也是最常用的方法。通过本文可以详细掌握怎么使用python的pytorch来实现一个BP神经网络。

《老饼讲解神经网络》:bp.bbbdata.com，SOM神经网络(Self-organizingFeatureMap)是Kohonen在1981年提出的一种用于聚类的神经网络，是神经网络家族中经典、重要且广泛应用的一员。本篇第一节先聚焦于讲清SOM是个什么东西，解决什么问题，思路是什么，有什么特性，第二节则扒取matlab的源码，自写《SOM-单样本训练算法》，即用自己的代码逻辑重现matlab