数学建模比赛|数学建模经常使用到的数学模型

一、神经网络分类：
      BP 神经网络是一种神经网络学习算法。其由输入层、中间层、输出层组成的阶层型神经网络，中间层可扩展为多层。RBF（径向基）神经网络：径向基函数(RBF-Radial Basis Function)神经网络是具有单隐层的三层前馈网络。它模拟了人脑中局部调整、相互覆盖接收域的神经网络结构。感知器神经网络：是一个具有单层计算神经元的神经网络，网络的传递函数是线性阈值单元。主要用来模拟人脑的感知特征。线性神经网络：是比较简单的一种神经网络，由一个或者多个线性神经元构成。采用线性函数作为传递函数，所以输出可以是任意值。自组织神经网络：自组织神经网络包括自组织竞争网络、自组织特征映射网络、学习向量量化等网络结构形式。K近邻算法：　K最近邻分类算法，是一个理论上比较成熟的方法，也是最简单的机器学习算法之一。

 

 import numpy as np
# 定义神经网络类
    class NeuralNetwork:
    def __init__(self):

# 随机初始化权重
    np.random.seed(1)
    self.weights = 2 * 。                 np.random.random((3, 1)) - 1

 # Sigmoid激活函数
    def sigmoid(self, x):
        return 1 / (1 + np.exp(-x))
    # Sigmoid的导数
    def sigmoid_derivative(self, x):
        return x * (1 - x) 
    # 训练神经网络
    def train(self, inputs, outputs, iterations):
        for iteration in range(iterations):
            # 正向传播
            output = self.predict(inputs)
            # 计算误差
            error = outputs - output
            # 反向传播
            adjustment