感知器算法是一种神经网络的模型，是20世纪50年代中期到60年代初人们对模拟人脑学习能力的一种分类学习机模型的称呼。当时的研究者认为它是一种学习的强有力模型，但以当时的技术无法实现非线性分类，许多实验室都放弃了感知器的研究。但其中的思想很经典，对后来的模式识别模型有很大的影响。当然，随着时代的进步，已经有很多学者提出了许多非线性的感知器改进算法，并取得良好效果，此程序主要基于Matlab来具体实现传统的感知器算法。(This program is based on Matlab to speci

已知1991-2008年的值： 5.99 6.09 6.15 6.23 6.20 6.40 6.50 6.70 6.90 7.00 7.10 7.30 7.50 7.60 7.70 7.90 8.10 8.30 用GM(1,1)灰色模型和bp神经网络预测一直到2050年的值，用matlab实现(1991-2008 known value: 5.99 6.09 6.15 6.23 6.20 6.40 6.50 6.70 6.90 7.00 7.10 7.30 7.50 7.60 7.70 7.90

通过MATLAB实现了风险率非参数模型的数值变化，并绘制了图形。同时有神经网络的MATLAB实现程序(Non parametric model implementation of risk rate)

单层感知基于神经网络的matlab单层感知模型的学习应用(Single layer perception neural network based learning and application of MATLAB monolayer sensing model)

自适应模糊神经网络的一个模型matlab语言实现(ANFIS_BP-master Substractive clustering algorithm)