人工神经网络为学习实数值和向量值函数提供了一种实际的方法，对于连续值和离散值的属性都可以使用，并且对训练数据中的噪声具有很好的健壮性。反向传播算法是最常见的网络学习算法。反向传播算法考虑的假设空间是固定连接的有权网络所能表示的所有函数的空间。包含3层单元的前馈网络能够以任意精度逼近任意函数，只要每一层有足够数量的单元。即使是一个实际大小的网络也能够表示很大范围的高度非线性函数。反向传播算法使用梯度下降方法搜索可能假设的空间，迭代减小网络的误差以拟合训练数据

上海交通大学：《线性规划与非线性规划》教学资源_ILOG实验指导_优化软件ILOG_OPL

上海交通大学：《线性规划与非线性规划》教学资源_ILOG实验指导_注册激活我们的ILOG方法

上海交通大学：《线性规划与非线性规划》教学资源_Matlab优化函数_linprog

上海交通大学：《线性规划与非线性规划》教学资源_第1章 线性规划与单纯形法 第1节 线性规划问题及其数学模型

3.1 举例 3.2 初始基可行解的确定 3.3 最优性检验与解的判断 3.4 基变换 3.5 迭代（旋转运算）

• 5.1 人工变量法 • 5.2 退化 • 5.3 检验数的几种表示形式

上海交通大学：《线性规划与非线性规划》教学资源_第2章 对偶理论和灵敏度分析 第1节 单纯形法的矩阵描述

上海交通大学：《线性规划与非线性规划》教学资源_第2章 对偶理论和灵敏度分析 第4节 线性规划的对偶理论

上海交通大学：《线性规划与非线性规划》教学资源_第2章 对偶理论和灵敏度分析 第7节 灵敏度分析 第8节 参数线性规划